“明天会下雪吗？”——这个问题，始于计算，但不止于计算。

要“算”出一场雪，首先得让计算机“看见”大气。现代数值天气预报模式将三维大气切割成数以亿计的网格点，每个网格点上都包含着温度、湿度、气压、风向风速等信息。计算机通过求解描述大气运动、热力变化和相态转换等的复杂方程，来推演未来的天气演变。

其中，模拟降水，尤其是雪的预报，核心挑战之一在于刻画云中那些肉眼无法分辨的微观过程。云由无数微小的水汽、液态水滴和固态冰粒子组成，它们通过凝结、蒸发、冻结、融化以及相互碰撞合并不断转化和增长，这些过程统称为云微物理过程。由于这些过程的尺度远小于数值模式的网格，便需要“参数化方案”，即用一套简化的公式来描述这些微观物理过程。

当数值天气预报模式开始模拟一场降雪时，它遵循着物理上自洽的规律。首先，在模式计算出的高空低温区，当温度和湿度条件满足特定阈值时，参数化方案会启动冰核化过程，模拟水汽转化为初始冰晶。随后，这些冰晶主要通过凝华、凇附、丛集来增长。然而，它们的命运在落地前仍悬而未决——如果途中遇到高于0℃的暖空气层，雪花便开始融化。最终落到我们手心的是雪、是雨，还是雨夹雪，就取决于这片暖层的温度和厚度，也取决于雪花本身的大小与密度。

有趣的是，不同的云微物理参数化方案，对云内过程的处理各有不同——如对冰晶转化的效率、雪花下落的速度等各种物理过程采用的近似方案、经验公式，都有所差异。因此，有的方案容易算出更多雪，有的则倾向算出雨夹雪。这些细微之别，将直接影响模式对降水落区、强度和相态的预报。因此，在业务预报中，数值天气预报模式的输出结果只是一份“初稿”。

此时，预报员的角色至关重要，他们承担着解读和修正这份“初稿”的任务。

首先，是解读天气形势的“大局”。是否有引导冷空气南下的高空槽？槽的深浅和移动速度，决定了冷空气的强度和时机。是否有输送暖湿气流的低空急流？它的位置和强度，决定了水汽的供应是否充沛。而降雪，本质上是冷暖气团一场精确的“邂逅”。它们将在何时、何地相遇？交锋的锋区是陡峭还是平缓？这都将直接影响降水的强度和形态。

再者，是诊断大气层结的细节。其中，从地面到高空的温度、气压的立体配置是锁定具体区域的关键。例如，近地面是否存在会导致雪花融化的“逆温层”？大气整层的温度廓线，是“上冷下冷”的纯雪结构，还是“上冷下暖”易于导致雨雪转换的复杂结构？这些都需要从温压场的垂直剖面中寻找答案。

此时，像探空图这样的工具，便发挥了“临床诊断”的作用。探空图，是由每日定时施放的探空气球观测所得数据绘制而成，描绘了从地面到高空约三十公里范围内温度、湿度、气压和风的垂直分布，是大气层结的真实切片。面对降水相态预报这道难题，预报员会像诊断病情一样仔细审视这张图上的几个关键特征。先是零度层的高度，即气温首次达到0℃的高度。如果这个高度很低，甚至接近地面，那么雪花几乎没有机会融化，降雪概率极大。如果零度层高度适中，比如在几百米到一千米之间，情况就变得复杂。预报员会进一步审视零度层以下暖层的厚度和温度。一个深厚且温暖的近地层很容易将雪花完全化为雨水；而一个浅薄且温度接近零度的近地层，则可能只导致雪花表面略微融化，形成雨夹雪或湿雪。

气象探空图 黄琬婷制图

最后，预报员还需融入对当地地理气候、地形特点、城市热岛效应等的理解。特定地形对气流的抬升或屏障作用，都可能在“最后一公里”影响雪最终落在何处、以何种形态落下。基于此，他们对模式预报进行最终的经验订正。

没有一场雪是轻易“算”出来的。

每一次“明天会下雪吗”的询问背后，都是科学、数据与人类经验共同谱写的答案——这答案，或许预告着一场银装素裹的浪漫邂逅，又或许只是一场潮湿清冷的冬雨。