1 引言
降水是大气中最活跃的要素， 在各种大气过程中发挥着重要作用（刘奇和傅云飞， 2007）， 同时， 降水量作为最重要的气象要素， 对一个地区或流域的水热状况起决定性作用， 也是气候分析、 水资源评价、 水分循环、 水量平衡、 水文模型等研究中必不可少的输入参数（杨大庆等， 1992a； 刘俊峰等， 2011）。高寒山区降水是区域水文循环中最重要的环节之一， 其变化可直接影响河川径流变化， 对陆面水文过程产生重要影响。然而， 受复杂地形和高寒条件的限制， 我国气象观测站点主要分布在海拔相对较低的平坦地区， 在高山区极为稀少， 造成高海拔地区降水监测数据匮乏（Zhang et al， 2014a； Cheval et al， 2014； 陈仁升等， 2014； 王磊等， 2017； 张正勇等， 2015； 刘燕等， 2019）。因此， 高寒山区固态降水观测研究一直是国内外学者关注的热点和难点问题， 尤其是不同降雨观测设备的涌现和对比研究， 为高精度降雨观测提出了新的机遇和挑战。
1985年世界气象组织开展了固态降水观测国际合作项目， 以双层垂直八角防风栅内放置的Tretyakov雨量筒为参考雨量筒， 于1986 -1993年期间对包括中国标准雨量筒（CSPG）在内的13个国家的雨量计在20个观测场内进行了对比观测（Goodison et al， 1998）。Smith et al（2020）通过比较Geonor T-200B3和OTT Pluvio2在不同防风配置下的测量值与WMO双防风圈（DFIR）的降水测量参考值来评估传递函数， 结果表明不同地点该函数的性能有很大差异， 而且降水相态、 仪器配置等都会对结果产生较大的影响。郑勤等（2018）在祁连山地区对TRwS204与中国标准雨量筒（CSGP）的降水观测比较得出， 造成仪器间观测差异的主要原因与雨量筒的形状有关， 而且在风速大于2 m·s-1时， 雨量筒的捕捉效率明显降低。徐洪雄等（2010）对PWS100、 VPF-730、 OWI-430、 凯迈四种天气现象仪进行对比得出： PWS100激光雨滴谱仪实际判断出的天气现象种类最多且累计降雨量与人工记录最为接近。
然而， 不同类型的雨量计由于其外形、 工作原理等差异， 受气流影响的程度也不尽相同， 甚至在同一地点的同一类型仪器之间也会存在差异。因此， 非常有必要开展高寒山区固态降水不同观测设备方法的对比研究。鉴于此， 本研究选择在乌鲁木齐河源区开展此项工作。Yang et al（1988， 1991）， Goodison and Metcalfe（1992）在1985 -1991年间对乌鲁木齐河源区已经开展过系统的降水误差观测对比试验， 根据风速、 气温、 降水等气象要素的逐日观测资料对日降水进行修正， 在不同国家的应用均显示， 降水量有显著增加（降水量全球平均增加了11%）（Metcalfe et al， 1944； Yang et al， 1998a； Ye et al， 2004）。为了进一步推动该项工作， 天山冰川站在乌鲁木齐河源1号冰川末端架设了T-200B和PWS100两套仪器开展同步降水观测对比试验， 目前为止已经积累了丰富的数据资料， 可以为高寒山区固态降水观测对比研究工作的开展提供可靠支持。因此， 本研究拟通过对2018-2020年这两套仪器观测数据进行详细的对比分析， 一方面利用不同降水类型阈值温度对降水量进行修正， 另一方面从不同尺度开展降水量和降水日数对比研究， 并深入分析造成观测差异的可能原因， 评估优缺点， 从而为相关研究和在其他区域的应用提供科学参考。
2 研究区概况
乌鲁木齐河源区（43°05′N -43°09′N， 86°47′E -86°53′E， 3405~4486 m）位于亚洲中部中心地带天山东南部最高峰天格尔Ⅱ峰（Li et al， 2010）（图1 ）。该区共分布有7条冰川， 总面积为5.2 km2 （Sun et al， 2015）， 冰川作用区流域面积28.9 km2。乌鲁木齐河源1号冰川（43°06'N， 86°49'E）是其中面积最大的一条冰川， 2017年面积为1.54 km2， 是世界冰川监测服务处（WGMS）在中亚内陆干旱区的“参照冰川”和全球重点监测的十大现代冰川之一。本研究试验观测场便位于乌鲁木齐河源1号冰川末端基岩区（图2 ）。
乌鲁木齐河源区地表覆盖除冰川区外， 以裸露基岩和广泛发育的鼓丘和羊背石等冰缘地貌为主（孙美平等， 2014）。夏季受西风环流的强烈影响， 降水主要集中在5 -9月（Zhang et al， 2014b）， 以雪、 雹、 霰等固态降水为主， 冬季受西伯利亚反气旋环流控制， 使得冬季极寒且降水量小（Li et al， 2007）， 多年平均降水量468 mm、 多年平均气温约为-5.1 ℃。
3 数据来源和方法介绍
3.1 观测数据
本研究采用的观测数据包括2018年5月1日至2020年4月30日PWS100和T-200B的日降水数据， 以及自动气象站内气温、 相对湿度和风速数据。两套仪器均位于1号冰川末端平坦冰碛垄上的气象观测场内（海拔3835 m）， 相距约4 m（图2 ）。该处三面环山， 受强风影响小。PWS100数据包括日尺度连续降水、 粒子下落速度、 粒径、 降水类型等； T-200B数据包括日尺度连续降水。气温和相对湿度数据由HC2-S3仪［图2 （c）］观测得到， 风速数据由Young 05103超声波风速仪［图2 （c）］得出， 其分辨率为0.01 m·s-1， 精度为2%。
3.2 观测方法
3.2.1 PWS100降水观测
PWS100激光雨滴谱仪观测是基于激光多普勒测量原理（图3 ）， 能够自动对降水量和可见气象因素进行测量。它由四张深度为0.4 mm、 间距0.4 mm的光片组成的结构化检测体构成， 探测面积约40 cm2。利用先进的探测技术和模糊运算法则， PWS100激光雨滴谱仪能够准确测量雨滴的尺寸和降水速度， 降雨总分辨率为0.0001 mm， 精度在10%以内。连接空气温湿度传感器后， 该传感器还可对气温及相对湿度进行测量， 使测量更加精确（Ellis et al， 2006； 刘胜男和王改利， 2020）。在自然降雨条件下， 激光雨滴谱仪的测量会受到多种因素的影响， 风可以改变激光束的方向、 速度和下落轨迹， 落在激光束边缘的液滴及其尺寸未被完全测量可能导致对其进行错误分类， 两个雨滴同时穿过激光束被检测为一个， 从而高估液滴尺寸（王俊等， 2021）。PWS100在其内置算法中假设雨滴在下降时会发生类似的扭曲， 并对降雨测量进行了某种校正且能同时输出错误粒子数和未知粒子数。先前的研究表明， PWS100观测到的直径在0.8 mm以下的雨滴数量较少， 而对较大的雨滴表现出更高的敏感性（Montero-Martínez et al， 2016； Jia et al， 2020； Campbell Scientific， 2015）。
3.2.2 T-200B降水观测
T-200B称重式雨雪量计是由挪威气象科学研究院和挪威勘测设计院共同研制、 Geonor公司生产的雨雪量计（图4 ）。其口径为20 cm， 总容量为600 mm， 灵敏度为0.1 mm， 测量温度范围在-25~60 ℃， 适用于全年自动雨量测量。雨量筒外部配备有一个符合世界气象组织（WMO）的面积为200 cm2的承雨口采集桶。T-200B雨雪量计采用振弦式称重原理， 最多可同时配备3个传感器， 通过弦振荷载传感器称重， 基本可以忽略湿润损失， 此外在降水观测场的T-200B储集器中添加了防冻液及机油， 并加装防风护栏， 既可以防止水分蒸发对测量数据产生的影响， 亦可降低能源消耗。T-200B在全世界安装超过2000台。在SPICE项目中， T-200B被WMO广泛应用于液体和固体降水测量（Agenew and Space， 2013； Pierre et al， 2019）。
研究表明， PWS100与传统的雨量计相比， 最大的优点是不仅可以分辨降水类型， 还可以提供降水粒子的大小和下落速度（Gires et al， 2016）。而在以往的研究中发现， T-200B在测量冬季降水时效果更好， PWS100则主要用于降雨的测量（Agnew and Space， 2013； Gires et al， 2016； Wauben et al， 2016； Fortin et al， 2008）。
3.2.3 分析方法
T-200B的相对捕获率可基于其与风速之间的关系获得， Smith（2006）已采用DFIR和T-200B称重式雨雪量计的降水观测资料进行过对比分析， 具体可根据：
式中： CE为相对捕获率（单位： %）； T为T-200B实际观测值（单位： mm）； 为双栅栏参照雨量计降水量值（单位： mm）； 为雨量计器口高度日平均风速（单位： m·s-1）。
器口高度风速可根据已有研究（Goodison， 1998）计算得到：
式中： 为雨量计器口高度风速（单位： m·s-1）； 为器口距地面高度（单位： m）； 为粗糙长度； 为测量高度风速（单位： m·s-1）； 为风速仪距地面的高度（单位： m）。
不同类型降水的相对捕获率与风速之间的关系（杨大庆等， 1988）如下：
式中： 、 、 分别为降雪、 降雨和混合降水时的相对捕获率（单位： %）； 为10 m标准高度风速（单位： m·s-1）； 为日平均温度（单位： ℃）。
4 结果与分析
4.1 降水类型的判断和特征
4.1.1 降水类型的判断
不同降水类型与气温存在密切的关系。表1 为在研究时段内（2018年5月1日至2020年4月30日）PWS100数据显示的不同类型降水粒子随气温变化所占比重情况。从表1 中可以看出， 降雪的温度阈值为-2.0 ℃， 在-2.0 ℃以下雪粒子占比达99.5%。但是， 从液态降水到固态降雪这一连续过程中并不存在一个台阶式的变化点来准确划分各种降水类型（Kochendorfer et al， 2017a）。乌鲁木齐河源区降水集中在夏季， 降水量年内变化呈单峰型（杨大庆等， 1992b）。夏季降水的特点是降水类型较多， 从持续时间较短的毛毛雨到大雨或阵雨， 强度和数量变化较大（Wolff et al， 2015）， 会干扰降水类型的准确划分。通过对不同类型降水粒子在各温度段所占比重分析显示， 当气温大于6.5 ℃时， 降雨粒子占总量的85.3%， 所占比重大， 因此将6.5 ℃定为降雨的温度阈值。而在-2.0~6.5 ℃， 降雨粒子占50.6%， 降雪粒子占49.4%， 在该温度区间即为混合降水。
表1 不同类型降水粒子随气温变化所占比重Table 1 The proportion of different types of precipitation particles along with the changing temperature |
| 气温 | 毛毛雨/% | 冻毛毛雨/% | 雨/% | 冻雨/% | 总计/% | 雪/% | 雪花/% | 冰丸/% | 冰雹/% | 雪丸/% | 总计/% |
|---|---|---|---|---|---|---|---|---|---|---|---|
| <-2.0 ℃ | 0 | 0.4 | 0 | 0.1 | 0.5 | 56.5 | 43.0 | 0 | 0 | 0 | 99.5 |
| >2.0 ℃ | 7.3 | 0.2 | 53.0 | 0 | 60.5 | 12.9 | 23.8 | 2.7 | 0.1 | 0 | 39.5 |
| >2.5 ℃ | 7.2 | 0.2 | 52.9 | 0 | 60.3 | 13.0 | 24.0 | 2.6 | 0.1 | 0 | 37.7 |
| >3.5 ℃ | 7.3 | 0.2 | 57.5 | 0 | 65.0 | 11.2 | 21.0 | 2.7 | 0.1 | 0 | 35.0 |
| >4.5 ℃ | 7.1 | 0.1 | 64.5 | 0 | 71.7 | 8.7 | 17.2 | 2.2 | 0.2 | 0 | 28.3 |
| >5.5 ℃ | 7.1 | 0.1 | 72.0 | 0 | 79.2 | 6.1 | 12.5 | 2.0 | 0.2 | 0 | 20.8 |
| >6.5 ℃ | 7.1 | 0.2 | 78.0 | 0 | 85.3 | 4.3 | 8.6 | 1.7 | 0 | 0.1 | 14.7 |
| -2.0~6.5 ℃ | 7.5 | 0.2 | 42.9 | 0 | 50.6 | 16.3 | 29.8 | 3.2 | 0.1 | 0 | 49.4 |
选取2018年6月14日至7月27日和2019年6月10日至7月24日共88天的数据（PWS100）对雨雪粒子比例与气温的关系进行研究。如图5 所示， 气温与雨雪粒子比例之间存在明显的正相关性（R 2=0.51， n=88， p<0.01）， 而且粒子比例对气温变化极为敏感， 当气温靠近雨粒子的阈值温度（6.5 ℃）时， 雪粒子数量急剧减少； 而当气温降低至雪粒子的阈值温度（-2.0 ℃）时， 雪粒子的数量又占据绝对优势。此外， 除雨雪粒子， 其他类型的粒子， 包括毛毛雨、 冻雨、 冰丸、 冰雹和霰， 在4 -8月间也明显增加， 特别是在6 -8月增加幅度更为明显。随着相对湿度的增加， 水滴在潮湿环境中出现雨夹雪的概率比在干燥环境中高（Kang and Ohmura， 1994）， 所以其他类型粒子数量（即雨夹雪）的增加不仅与气温上升有关， 也与空气相对湿度有一定的关系。
不同地区的降雨和降雪阈值存在较大差异。本文研究时段内， 降雪温度阈值-2.0 ℃， 与之前的研究结果相似， 但降雨的阈值温度为6.5 ℃， 稍高于以往的研究结果。以往在高寒山区的研究表明， 降雪温度阈值在-5.0~2.8 ℃， 降雨温度阈值在0~5.5 ℃（Kang and Ohmura， 1994； Ding et al， 2014； Kang et al， 1999）。本研究降雨温度阈值与以往有所差别， 可能是由于两方面的原因。首先， 在高海拔地区， 区分雨雪需要较高的阈值温度， 因为在高海拔地区气压低、 空气稀薄， 对雪粒的阻力较小。所以在这种环境条件下， 雪粒可以更快地降落到地面而不至于在落地前融化（Ding et al， 2014）； 其次， 不同于以往研究采用的经验方法， 本研究中PWS100当前气象仪所测定的降雨和降雪阈值温度是基于单个降水粒子的数量， 更加准确和客观。
4.1.2 降水类型特征
降水类型对地表径流和能量平衡有较大的影响。如表2 所示， PWS100不仅记录了降雨量， 而且区分了降水类型。按物理性质把降水分为9种类型： 毛毛雨、 冰毛毛雨、 雨、 冰雨、 雪粒、 雪、 雪花、 冰丸、 冰雹、 雪丸， 同时细分了不同类型的颗粒数。根据PWS100的观测结果， 研究时段内， 降水粒子以雪花粒子为主， 占总量的33%； 其次为雨粒子和雪粒子， 分别占总量的32%和28%； 液态粒子（毛毛雨、 冰毛毛雨、 雨、 冰雨）占总量的37%； 固态粒子（雪粒、 雪、 雪花、 冰丸、 冰雹、 雪丸）占总量的63%， 观测场以固态降水为主。
表2 不同类型降水粒子数量（PWS100）Table 2 The number of precipitation particles of different types by PWS100 |
| 月份 | 气温/℃ | 湿度/% | 毛毛雨 | 冻毛毛雨 | 雨 | 冻雨 | 雪粒 | 雪花 | 冰丸 | 冰雹 | 雪丸 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 合计 | -5.2 | 54 | 299431 | 29730 | 2055638 | 1829 | 1766214 | 2099073 | 113090 | 4665 | 2752 |
| 1月 | -16.8 | 41 | 0 | 0 | 0 | 0 | 15253 | 3121 | 0 | 0 | 21 |
| 2月 | -13.18 | 37 | 0 | 0 | 0 | 0 | 8583 | 1266 | 0 | 0 | 13.5 |
| 3月 | -9.83 | 41 | 0 | 2 | 0 | 1 | 45863 | 25400 | 11 | 4 | 68 |
| 4月 | -3.4 | 62 | 150 | 4096 | 10 | 273 | 210246 | 209998 | 301 | 138 | 203 |
| 5月 | -1.74 | 58 | 287 | 1898 | 183 | 203 | 150091 | 136383 | 294 | 78 | 459 |
| 6月 | 2.26 | 75 | 38768 | 3665 | 223633 | 156 | 141914 | 246962 | 15161 | 475 | 128 |
| 7月 | 4.46 | 71 | 56374 | 704 | 384738 | 35 | 71847 | 143519 | 24458 | 989 | 71 |
| 8月 | 5.48 | 67 | 48146 | 2475 | 392144 | 117 | 75622 | 130409 | 12063 | 416 | 117 |
| 9月 | 1.03 | 56 | 5722 | 1219 | 2978 | 81 | 64230 | 85851 | 4244 | 220 | 122 |
| 10月 | -5.12 | 53 | 0 | 828 | 0 | 49 | 46575 | 39963 | 12 | 16 | 45 |
| 11月 | -11.06 | 46 | 0 | 9 | 0 | 1 | 45933 | 24764 | 0 | 0 | 123 |
| 12月 | -15.32 | 42 | 0 | 0 | 0 | 0 | 6954 | 1904 | 3 | 0 | 9 |
月尺度上， 6 -8月粒子数量最多， 液态粒子占总粒子数的57%， 固态粒子占43%。其余月份以固态粒子为主， 占总量的96%。对比表2 的月平均气温可以发现， 雨粒子从4月份以后开始出现， 但由于气温低（-3.4 ℃）， 其数量远低于雪粒子的数量。6 -8月， 气温上升为正值， 平均温度为4.0 ℃， 雨粒子数量增加并超过雪粒子的数量。10月， 气温再次下降至零下（-5.1 ℃）， 毛毛雨和雨粒子数量为0， 雪粒子数量增加。从粒子的分布来看， 每个月都能观测到的粒子为雪粒、 雪花和雪丸粒子。由于气温和相对湿度的影响， 其他6种粒子年内分布不均。
4.2 T-200B降水修正
在上述降水类型判断的基础上， 采用式（3） 对T-200B观测的降水量值进行修正。修正结果如图6 所示， T-200B降水总积累量修正后为1202 mm， 占DFIR（总累积量1783 mm）的67%， 而未修正时降水总累积量为1376 mm。研究表明， T-200B低估了降水量， 但平均相对捕获率达到了87%。而不区分降水量时， 修正后的结果仅占DFIR的55%。1月、 3月和6月修正后降水量相较于原始值有所增加， 其余月份降水量减少， 7月减少量最多， 减少了47 mm。分析发现， 由于高寒山区特殊的地理位置与环境， 其降水类型、 结晶习性和气温之间的独特关系会导致校正后的测量误差。时间尺度引起的降水测量的差异远小于空间位置不同引起的差异。相比之下， 将修正方法应用到新地点时， 由于气候学变化而产生的误差将大于较长的测量频率所造成的误差（Kochendorfer et al， 2017b）。T-200B修正前后与PWS100观测结果的RMSE分别为6.01 mm和5.82 mm， 在一定程度上减小了两台仪器观测数据间的差异。如图7 所示， 以往的降水观测和降水修正中提出了-2.0~2.0 ℃的划分方法用于区分降水类型（Smith， 2006， 2007； Wolff et al， 2015； Smith et al， 2020）。应用此阈值修正的降水量与DFIR比较， RMSE为1.96 mm， 而应用6.5 ℃阈值， 修正后RMSE为0.89 mm。就本区域而言， 应用-2.0~6.5 ℃较为合理。
4.3 T-200B与PWS100降水观测对比
4.3.1 日尺度变化
研究时段内， T-200B测得总降水量为1202 mm， PWS观测降水量为1273 mm。相比之下， 两台仪器观测的降水量值较为一致（图8 ， R 2=0.80， n=731， p<0.01）。由研究时段内降水量的差值随时间变化曲线（图9 ）可以看出， 两种仪器观测的降水量存在较小的季节差异， 其中6 -8月波动较大， PWS100比T-200B观测的降水量多出73 mm， 9月至次年5月少37 mm。造成这种波动的原因有： （1）不同仪器对于数据的存档及清空时间存在差异； （2）当降水粒子经过仪器时会受到仪器本身产生的气流畸变的影响， 导致粒子偏离而无法被测量到； （3）T-200B雨雪量计的周围布设了挡风板， 能够减弱仪器周围的气流畸变， 而PWS100周围未布设挡风圈， 会引起仪器捕获不足。
在研究时段内， T-200B与PWS100记录的降水总日数分别为366天和330天（图10 ）， 这与T-200B观测到的降水量大于同期PWS100的降水量是相一致的。2套仪器同时记录的降水日数为307天， T-200B单独记录降水65天， 主要集中在冬季， PWS100单独记录降水67天， 分散比较均匀。造成两者差异的原因， 可能是由于T-200B会受到周围诸如风吹雪或矿物质粉尘的影响， 进而影响其精确性； 另一方面， PWS100对直径小于0.8 mm的雨雪颗粒敏感性较低， 而对大雨滴敏感性高（Fortin et al， 2008）。
4.3.2 月尺度变化
由表3 可以看出， T-200B和PWS100均显示该区降水量与降水日数主要集中在4 -9月。PWS100雨季观测到降水260天， 干季（10月至次年3月）降水70天， 雨季降水量1219 mm， 占降水总量的95%； T-200B雨季观测到降水272天， 干季降水94天， 雨季降水量1073 mm， 占降水总量的89%。T-200B观测的最大降水量在6月， 为142 mm； PWS100观测的最大降水量在7月， 为188 mm， 降水26天（2年平均）。与PWS100相比， T-200B在冬季记录的降水量和降水日数都较多， 其中， 1月（8.5 mm）和2月（5.5 mm）尤为明显。综合两年的数据可以看出PWS100在夏季测得降水较多， 而T-200B在冬季测得降水较多。
表3 T-200B和PWS100观测降水量与降水日数比较Table 3 Comparison of precipitation and precipitation days between T-200B and PWS100 |
| 月份 | T-200B | PWS100 | 气温 /℃ | 风速 /（m·s-1） | ||
|---|---|---|---|---|---|---|
| 降水量 /mm | 降水 天数 | 降水量 /mm | 降水 日数 | |||
| 合计 | 1202.00 | 366 | 1273.30 | 330 | -5.20 | 1.90 |
| 1月 | 9.11 | 7 | 0.58 | 7 | -16.08 | 1.80 |
| 2月 | 5.70 | 5 | 0.25 | 2 | -13.18 | 2.22 |
| 3月 | 16.10 | 11 | 7.13 | 9 | -9.83 | 2.00 |
| 4月 | 73.25 | 18 | 73.53 | 19 | -3.40 | 1.79 |
| 5月 | 54.15 | 21 | 46.62 | 19 | -1.74 | 1.95 |
| 6月 | 141.73 | 26 | 132.53 | 26 | 2.26 | 1.25 |
| 7月 | 134.26 | 26 | 188.20 | 26 | 4.46 | 1.62 |
| 8月 | 95.84 | 27 | 124.20 | 26 | 5.48 | 1.63 |
| 9月 | 37.06 | 18 | 39.18 | 14 | 1.03 | 1.94 |
| 10月 | 22.25 | 12 | 17.10 | 14 | -5.12 | 2.07 |
| 11月 | 5.92 | 7 | 6.78 | 6 | -11.06 | 2.37 |
| 12月 | 5.48 | 6 | 0.43 | 3 | -15.32 | 2.16 |
5 讨论
5.1 降水类型对降水观测的影响
降水类型对降水观测有着直接的影响， 无论是T-200B还是PWS100。上述研究表明， 在研究时段内， PWS100夏季（6 -8月， 2年平均）捕获的降水比T-200B高6 mm。而在其余月份， PWS100观测的降水量较T-200B少109 mm， 降水日数减少24天。同时由表3 可以看出， PWS100记录的降水量越大， 相应的气温值也越高。冬季气温和降水量均低， T-200B测得的降水量及天数都要高于PWS100， 因此， 在降水量相对较小的月份， T-200B对降水的捕捉更有效。相应地， 同时段雨粒子数比雪粒子数多574， 150个。这就意味着当降水类型以降雨为主时， PWS100的观测值大于T-200B的观测值， 相反， 当以降雪为主时（冬季几乎无雨粒子）， T-200B的观测值要大于PWS100。
液态降水占比重较大时， 仪器的捕获效率通常情况下不受风或其他气象因素的影响， 而当以固态降水为主时， 易受风等气候因素的影响（Wolff et al， 2015）。已有研究表明T-200B更适合于固态降水的测量（Campbell Scientific， 2015； Michaelides et al， 2009）， 这与本文的研究结果一致。由于全球气候变暖导致固态降水比例下降， 液态降水增多， 普通雨量计的观测值也有相应的增加。在研究时段内， 毛毛雨粒子占降雨总粒子数的14%， 而PWS100根据粒子直径划分降水类型， 其对于直径小于0.8 mm的粒子极不敏感， 降水量的估算以大雨滴为主。两种仪器在不同季节所表现出的差异主要是由雨雪比例不同造成的。但在现有的精度配置下， 两套仪器在观测高寒山区的降水时均有较好的表现。
5.2 风速对降水观测的影响
强风会影响仪器对降水的捕捉效率， 风会扰动PWS100的激光束， 从而对其测量精度产生影响， 并且会强烈干扰T-200B对固体降水的测量。Smith（2007）依据小时数据计算Geonor-DF的捕获效率， 并以此作为参考计算Geonor-Alt的捕获效率。研究发现， 在风速为1.2 m·s-1时， Geonor-Alt的捕获效率为100%。杨大庆等（1991）对乌鲁木齐河源区的固体降水进行了对比研究， 发现中国标准雨量计（类似于T-200B但无防风圈）的捕获率高达86.2%。降水研究时段内， 自动气象站平均风速1.9 m·s-1， 最大风速4.9 m·s-1， 最小风速0.08 m·s-1。风速在3~4.9 m·s-1之间共出现48天， 但绝大部分出现在干季（10 -12月， 1 -3月）。Smith et al（2017）利用世界气象组织（WMO）固体降水相互比较实验（SPICE）最近开发的传递函数， 可将T-200B由风引起的误差减小到3%， 并且可以作为真实降水的一个独立的、 有代表性的参考。研究表明， 乌鲁木齐河源区降水主要集中在风速较低的雨季（4 -9月）（Li et al， 2010； Zhang et al， 2014b； Hagg et al， 2006）， 平均风速为1.7 m·s-1， 捕获率（Catch Efficiency）在90%以上。而冬季降水少， 高降水量与强风在时间尺度上错开分布， 且风速小于6 m·s-1对雨量计测量几乎无影响（Fortin et al， 2008）。因此， 风对2套仪器的观测结果影响较小。
5.3 温度阈值对降水观测的影响
在全球变暖的背景下， 由于温度的升高导致固态降水的比例下降， 液态降水增多， 而液态降水的相对观测误差要小于固态降水， 因为雪花的观测误差范围随雪的形态和风速的影响变化较大。降水类型划分对于降水观测的修正就变得尤为重要。众多研究表明大气温度是决定降水类型的最为关键的因素（Wagner， 1957； Bocchieri， 1980； Fassnacht， 2004）。Yang et al（1998b）通过对不同区域和环境下的降水类型研究表明， 降水类型和气温存在明显的区域差异， 降雪发生的最高气温范围是 -4.1~2.5 ℃； 降雨的最低气温为-1.6 ℃； 而混合降水气温范围是-8.6~7.3 ℃。Upadhyay（1995）分析认为气温<0 ℃时98%的降水类型为固态降水。赵求东等（2014）对青藏高原中部唐古拉山多年冻土区进行降水修正时提出-2.5~4.0 ℃的温度阈值来划分降水类型， 与何晓波等（2009）的研究结果基本一致。而以往的降水观测和降水修正中多应用 -2.0~2.0 ℃的划分方法区分降水类型。本文所提出的-2.0 ℃最低降雨气温阈值与以往的研究结果类似， 而降雪的最高温度阈值（6.5 ℃）略高于其他人的研究结果。因此， 温度阈值的应用存在较大的时空变异性， 我们建议在天山等高寒山区划分降水类型时可以参考本研究结论。
6 结论
2018年5月1日至2020年4月30日在乌鲁木齐河源1号冰川末端自动气象站进行了PWS100当前气象仪和Geonor T-200B称重式雨雪量计的同步观测试验， 本文对取得的观测数据进行对比分析， 得出以下结论：
（1） T-200B降水总积累量修正后为1202 mm， 占DFIR（总累积量1783 mm）的67%， 低估了降水量， 但平均相对捕获率达到了87%。T-200B修正前后与PWS100观测结果的RMSE分别为6.01 mm和5.82 mm， 以往的降水观测和降水修正中提出了 -2.0~2.0 ℃的划分方法用于区分降水类型。应用此阈值修正的降水量与DFIR比较， RMSE为1.96 mm， 而应用6.5 ℃阈值， 修正后RMSE为0.89 mm。就本区域而言， 应用-2.0~6.5 ℃较为合理。
（2）在研究时段内， 两台仪器记录的降水较为一致大致相同（R 2=0.80， n=731， p<0.01）。PWS100共记录降水日数330天， 总降水量1273 mm； T-200B共记录降水日数366天， 总降水量1202 mm。但观测结果存在季节性差异， PWS100夏季（6 -8月， 2年平均）捕获的降水比T-200B高73 mm。而在其余月份， PWS100测得的降水量较T-200B少37 mm， 降水日数少24天。两台仪器在夏季观测得到的降水量差异较小， 而PWS100激光雨滴谱仪能够对降水类型进行划分， 且不同的降水类型对地表能量会产生深刻的影响， 因此在夏季降水量大、 降水类型复杂时， 应用PWS100较为合理； 而冬季降水量较少， 且PWS100对小雨滴并不敏感， 会导致捕获量的不足， T-200B更适用于观测固态降水。综合来看， 两套仪器在现有的精度配置下， 均可应用在高寒山区的降水观测研究中。
（3） PWS100的观测数据表明， 试验场以固态降水为主， 固体颗粒物（雪粒、 雪、 雪花、 冰丸、 冰雹、 雪丸）占总颗粒物的63%， 液体颗粒物（毛毛雨、 冰毛毛雨、 雨、 冰雨）占总量的37%。月尺度上， 6 -8月粒子数量最多， 液态粒子占总粒子数的57%， 固态粒子占总数的43%， 其余月份以固态粒子为主， 占总量的96%。