1. 引言

降水发生必须要有充足的水汽，大气水汽含量和云液态水含量可以用来很好地表征大气水分，二者在时间尺度上的变化可以较好地反映未来天气如何发展，降水开始前，云中水汽含量有明显波动，液态水含量明显增加，这些变化现象可用于判断云系是否处于降水发展阶段，可以用来监测短时强降水和人工增雨作业等[1] [2]。国内外研究表明，通过地基微波辐射计这种新型设备可以得到观测点上空水汽含量和液态水含量，相较于以往的探空气球资料，微波辐射计测得的数据时间连续性好、分辨率高[3] [4]。专家学者借助微波辐射计资料中的大气水汽含量和云液态水含量产品做了大量研究。张志红[5]等分析北京一次降水过程中云液态水的演变特征发现，液态水含量增加时段明显提前于地面降水时段。白婷[6]等分析南阳市一次降水过程中水汽与液态水变化特征发现，降水开始前，水汽总含量与液态水总含量明显增加，随着降水减弱结束，两者迅速减少。万文龙[7]等分析不同雨强下的水汽与液态水变化特征发现，降水前一小时暴雨与大雨具有双峰结构。以上说明微波辐射计资料对降水以及其他天气的监测具有重要的指示意义，本文利用微波辐射计资料、同址气象站资料、天气实况资料，分析降水发生前一小时积分水汽含量和积分液态水含量的变化特征，统计晴天及阴天等非降水天气下积分水汽含量和积分液态水含量的变化特征，总结出部分对预报有利的阈值参数，填补随州高空观测资料的空白，为随州市临近降水预报提供参考。

2. 设备、资料和方法

本文所使用的微波辐射计资料来自于中国气象局武汉暴雨研究所在随州大洪山建设的TK001型地基微波辐射计，天气实况和降水量来自于同址建设的自动气象站。TK001型微波辐射计能够反演得到0~10 km高度范围内83层的温度、相对湿度、水汽密度及液态水含量廓线，同时也可以得到积分水汽含量及积分液态水总量，其数据具有较高的时间分辨力，采样周期为2分钟左右，要素廓线还具有较高的垂直分辨力，0.5 km以下为25 m，0.5~2 km为50 m，2~10 km为250 m。

文中选取2022年8月至2023年8月的降水个例和非降水个例，通过自动气象站降水资料挑选其中降水比较连续、小时降水分布比较均匀的作为降水个例，挑选其中非降水天气下前后24 h无降水的(避免降水带来影响)作为非降水个例，同时以上个例尽量在每个月份均匀分布。降水个例主要统计不同雨强降水前1小时的V值与L值变化，非降水个例主要分晴天、晴转多云、阴天不同的天气情况分析这些个例中一天的V值与L值变化特征，这些个例中的V值与L值可以直接利用微波辐射计直接反演得到。

2.1. 降水日的V、L统计特征

Table 1. The integrated water vapor (V value) and integrated liquid water (L value) and weather conditions in the first 1 hour of precipitation for 38 precipitation cases

表1. 38个降水个例的降水前1h积分水汽(V值)和积分液态水(L值)及天气情况

表1给出了38个个例降雨前1小时V值和L值，表1中天气实况采用12 h降水量划分。可以看到，小雨降水前，V值在春季、冬季均较小，值为20~30 mm左右，但在夏季V值均超过了40 mm，L值在秋季、夏季超过了1 mm，在冬季则较小，范围在0~1 mm。中雨夏季V值为50 mm左右，V值明显比小雨大1个量级；大雨天气V值较大，和中雨相差不大，L值在夏季较大。总体而言，发生降雨时，在夏季不同雨强的降水中，V值和L值明显比其他季节高。同时，从不同雨强来看，V值在夏季有明显的规律性，雨强越大，V值越大，同时夏季大气中积分水汽含量和积分液态水含量远远高于其他季节。

2.2. 小雨天气下V、L的统计特征

选取2023年2月28日的小雨个例分析，降水开始于4:39，图1给出了降水开始前1小时V值(a)和L值(b)的变化情况。可以看到，V值在15 mm上下波动，变化不大，直至降水前4 min~10 min，V值在6分钟内迅速升至47 mm，随后开始下降到达36 mm；L值在降水开始前30 min~60 min一直为0，之后在0~0.6 mm之间波动，在降水前4 min上升至最高点1.9 mm，随后开始下降。同时可以看到V值和L值几乎同增同减，在时间尺度上一致性很好。

Figure 1. V-value (a) and L-value (b) curves 1 hour before precipitation on February 28, 2023

图1. 2023年2月28日降水前1小时V值(a)和L值(b)变化曲线

2.3. 中雨天气下V、L的统计特征

Figure 2. Curves of V value (a) and L value (b) 1 hour before precipitation on July 29, 2023

图2. 2023年7月29日降水前1小时V值(a)和L值(b)变化曲线

选取2023年7月29日的中雨个例分析，图2给出了降水开始前1小时V值(a)和L值(b)的变化情况，当天12小时雨量达到了12.2 mm，降水开始于5:26。降水开始前8 min~60 min，V值稳定在55 mm，之后在4 min之内迅速上升到最高值103 mm，此后一直下降到77 mm左右，V值整体变化出现单峰现象；L值整体变化和V值变化比较符合，从0 mm上升到6.5 mm后下降，L值降水前1小时的变化也同V值一样，出现单峰现象。

在分析的15个中雨个例中，有7个个例同图中的个例一样，V值和L值的变化呈现先增后减的变化，在降水前5~15 min达到峰值，随后下降。在中雨个例中：V值和L值的变化可概括如下：(1) 先上升后下降，出现单峰现象；(2) 一开始比较平稳，临近降水时迅速上升，不会出现拐点下降，5-09、5-25、6-29、8-27个例这样变化。

2.4. 大雨天气下V、L的统计特征

选取2023年7月3号的个例进行分析，此次过程12小时降水量为17.3 mm，等级为大雨，降水开始于7月3号的23:09，图3中给出了降水开始前1小时的V值(a)和L值(b)曲线图，可以看出，降水前1小时内，V值起始值接近为50 mm，降水发生前60分钟到降水发生前4分钟，V值变化不大，随后V值在4分钟之内从52 mm升到94 mm，变动幅度较大；降水开始前1小时L值在0和11 mm之间变化，一开始在0值附近波动，降水发生前30分钟L值从0 mm升到3 mm随后又降到0 mm，随后在降水前2分钟一直上升到11 mm最高点，L值变化存在先上升后下降的状态，降水发生时，L值并不处于最高点。

Figure 3. The V-value (a) and L-value (b) curves 1 hour before precipitation on July 3, 2023

图3. 2023年7月3日降水前1小时V值(a)和L值(b)变化曲线

在7个大雨个例中，5-03、6-04、7-19等3个个例中，V值、L值变化也具有以下特征：在降水前一小时，V值在开始阶段变化比较平稳，在降水前5~10 min升至最高，临近降水升至最高；在降水前一小时，L值接近0 mm，在降水前5~10 min有跃增现象，后临近降水时有下降现象发生。5-16、7-20两个个例中，则分别于降水前40 min、30 min时V、L值达到峰值，接着继续下降，在降水前5~10 min又上升，出现双峰现象。3-16、4-02个例V值、L值则是在降水前5~10 min迅速上升，后下降导致出现单峰现象。同时也可以看出，夏季相较于其他季节，降水前一小时V值和L值变化更为剧烈。

2.5. 非降水日下的V和L的统计特征

表2给出了非降水天气下V值和L值一天的变化范围，可以看到，在统计个例中，V值变化范围都不大，最大为2023年6月23日的晴转多云个例，V值范围21.1～58.2；L值变化最大的是2022年9月7日的阴天个例，L值范围0~2.75，变化值接近3，当日虽然未发生降雨，但是同址的天气现象仪识别为降雨现象，可能当时大气中水汽含量较为丰富，同时也印证了本次数据可信。总体来看，晴天个例V值变化比较平稳，大部分变化不会超过10，在水汽充足的夏季时，V值变化会大多接近20，L值多为0，而天气为多云及晴转多云条件下，V值变化可能超过20 mm，L值变化超过1 mm；V值与L值的变化范围远小于降水天气下V值与L值的变化范围；同时V值与季节有关，夏季V值较大，L值大多数个例接近0，同时阴天、多云天气下，V值较晴天时高，虽然有的个例在夏季V值超过了4，但L值接近0。

Table 2. 37 non-rainfall cases with daily V and L values and weather conditions

表2. 37个非降水个例一天V值和L值范围及天气情况

2.6. 非降水日与降水日下的V和L的统计特征比较

表3给出了发生降水时的V值和L值，对比非降水条件下V值、L值的范围可以发现，所有降水个例降水发生时V值 > 40 mm，L值 > 1 mm；所有非降水个例大部分V值 < 20 mm，只有在夏季V值才会超过40 mm，L值大部分 < 1 mm。所以V = 40 mm，L = 1 mm可以作为判断降水发生的参考阈值，两者同时超过阈值时发生降水的可能性很大，在所有V值 > 40 mm，L值 > 1 mm的40个个例中，35个个例发生了降水，降水概率为87.5%。

Table 3. 38 precipitation case precipitation before V value and L value and weather conditions

表3. 38个降水个例降水前V值和L值及天气情况

3. 结论

本文利用随州大洪山暴雨监测基地的TK001型微波辐射计，结合同址的气象站资料，分析了积分水汽含量(V)和积分液态水含量(L)在降水前一小时、非降水情况下及降水发生时的变化特征，得到结论如下：

(1) 在降水发生前一小时，V值变化大致可以分为两种情况：第一种，V值一直较为平稳，在降水前5~15 min迅速升高，不会出现拐点，降水发生时V值正处于上升阶段；第二种，在降水前5~15 min迅速上升，V值在降水前出现峰值，然后下降，在降水发生时V值处于正上升或下降阶段，导致V值变化出现双峰或单峰现象。两种情况下，L值的变化情况与V值的变化较为同步，基本上同增同减。

(2) 非降水天气下，V值 < 20 mm，只有在夏季V值才会超过40 mm，L值多数接近0 mm，所有降水个例降水发生时V值 > 40 mm，L值 > 1 mm。因此，V值 > 40 mm同时L值 > 1 mm可以作为判断降水发生的一个指标，通过统计发现，降水预报准确率达到87.5%。

(3) 降水天气下，V、L值变化较为剧烈；晴空条件下，V值基本在20 mm以内波动，L值基本为0 mm；阴天、多云条件下，V值在夏季波动范围则能达到30 mm，L值接近1 mm。总体而言，非降水天气条件下，V、L值几乎没有太大变化，与降水情况形成鲜明对比。在以上所有天气条件下，V、L值的共同特点就是在夏季较其他季节更高，变化范围更大。

微波辐射计能够提供高时间分辨率的V和L值，这对于降水的演变发生具有很好的指示意义，本文通过利用近一年的观测数据，分析了不同天气条件下V和L的时间演变特征，较为特别的是提取了对随州大洪山降水具有预报意义的阈值，为随州大洪山山区局地预报提供了一些参考，促进垂直探测资料在随州的本地化应用，但不足的是目前研究采用的个例数量还比较少，有待后续继续增加研究个例数量，提升预警预报阈值的代表性。

参考文献