暴雨是中国气象灾害中最严重、最常发生的灾害之一,每年都会对国民经济造成很大的财产损失[1]。致灾性暴雨的直接原因往往是短时强降水过程,它主要是由强对流系统(如积雨云单体或中尺度对流系统)造成,雨强大、地区集中,致灾性最强。高频次、高分辨率的监测是做好短时强降水临近预报的基础,我国目前对降水监测最基本的手段是通过气象站、水文站和全国2万多个雨量站的观测。随着中国气象局气象自动站的建设,分钟雨量计使降水数据的时空分辨率得到显著提高,监测能力得到很大改善。使用分钟雨量计对短时强降水进行监测和分析在业务中已经有了初步的应用,部分地方台站尝试着用其进行实况监测[2],当任意时段的降水累积量超过暴雨标准时发暴雨预警。但是由于分钟雨量计正式投入业务运行的时间还不长,目前对其的研究和统计工作很少,国内几乎还是空白,只有少数文章有涉及使用分钟雨量, 但也是作为分析中尺度对流系统演变的辅助手段[3-5],而没有探讨暴雨本身的分钟级演变特征。此外,国内外对梅雨锋、飑线以及热带降水机制研究成果很多[6-8],但也鲜有分析它们三者之间降水特征的区别。本文使用分钟级雨量资料,结合相应的天气形势对近两年我国的强降水典型个例进行统计分析,尝试从更小的时间尺度上揭示不同天气系统的降水特点。另外,通过使用分钟级雨量资料,以全新的角度对短时强降水的特点进行初步探讨,旨在为业务中短时临近预报提供一定的依据。
1 资料方法介绍 1.1 资料来源及统计方法本文使用的资料包括:(1) 国家信息中心提供的中国两万多个地面加密自动站1分钟降水资料。(2) 高空常规观测资料、多普勒雷达资料。
由于数据存在观测误差、仪器误差和随机误差,统计数据之前要进行质量控制。根据观测员的实际经验,将1分钟降水量大于10 mm的降水视为异常值进行人工剔除,对剔除异常值后的降水样本进行序列的平稳性和独立性检验[9],这里运用游程检验法对分钟降水样本进行了平稳性检验。
数据统计过程中,采用的主要方法有滑动平均、Morlet小波变换[10]。为了直观地看到所有数据的分布以及多个数据集的统计差异,本文使用了端须图的表现形式[11]。
1.2 强降水时段的定义对于强降水特别是对流降水,数值模式预报能力较差,因此对其的监测和预报成为业务中重点和难点。目前强天气监测业务中使用小时雨量来监测短时强降水,由于时间分辨率较低,无法精确辨识雨势的变化,另外单站的强降水过程还可能由多次强降水时段构成,如果相邻强降水时段间隔时间较短,小时雨量资料也是无法分辨的。本文以降水过程中的强降水时段作为研究对象,结合目前强天气预报中心短时强降水的标准(20 mm·h-1),将强降水时段定义为:任意连续60分钟的滑动累积雨量都大于20 mm,将10分钟雨量大于和小于1 mm作为降水开始和结束的标准,且同一站点新的一次强降水时段必须在前一个强降水时段结束后开始。本文将以此标准选出的样本为基础,分析三次不同系统下的降水特征。
为方便讨论,按照累积雨量的大小将强降水时段分成3个强度等级,分别称之为Low-Strong Precipitation[简称L-SP,20 mm < P(1小时累积雨量)≤50 mm, 记为20~50 mm],Medium-Strong Precipitation[M-SP,50 mm < P≤100 mm,记为50~100 mm]和High-Strong Precipitation[H-SP,P>100 mm,记为>100 mm],后文将以英文简称代替这三个级别的强降水时段强度。
2 个例筛选及雷达回波特点 2.1 个例筛选由于中国各地暴雨时空分布具有明显地域差异。本文选取华北、江淮以及海南三个地区(表 1)近年来三次典型的强降水过程,并将强降水时段作为分析统计的样本。
分钟雨量变化与中小尺度系统发展相联系,雷达是监测中小尺度对流系统的有力工具,下面结合雷达资料对不同系统影响下的强降水中小尺度天气特征进行分析。
2.2.1 华北飑线过程2011年7月26日,华北大部出现强对流天气。26日下午太行山附近的对流系统进入华北平原开始明显加强,并快速发展为飑线系统。雷达回波图上可以看到一条明显的南北向弓状回波(图 1a~1c)。从回波来看,河北境内的飑线过程非常典型,但此次北京地区降水是否是飑线系统造成尚有争议,所以本文所选取范围不包括北京地区。
华北选定区域内有41站有强降水过程,筛选出41个强降水时段样本(表 1),说明这些站点均只包含一次强降水时段。从图 2看到,九成以上的强降水时段累积雨量都介于20~50 mm之间,属于L-SP强度,没有M-SP、H-SP强度的降水样本,后文飑线系统的分钟雨量分析仅限于20~50 mm区间。
2011年7月11—13日,受中低层切变线和地面梅雨锋的影响,江淮地区出现了一次较强的梅雨降水过程。此处选取了11日的强降水时段作为分析样本。
从雷达回波(图 1d~1f)可以看到单体A西南侧有新单体D生成和发展,并且与旧的单体A合并,具有后向传播的特点。当两个对流单体合并时,在降水效率上会成倍增长,有时可以比合并前各单体降水量总和大一个量级[12],因此降水单体在测站上空长时间的维持与合并,是引起大暴雨的原因之一。
梅雨锋强降水不同于飑线系统,有7个站是由两次强降水时段构成(表 1),说明同一测站在一次过程中受到了多个对流系统影响,与雷暴单体的后向传播有关。样本中有三个站点雨量超过100 mm(图 2),但由于该量级样本数较少,下文的梅雨分钟雨量分析并不包含H-SP强度的样本。
2.2.3 海南强降水过程2010年9月30日至10月8日,受热带低压系统和冷空气共同影响,海南经历了持续性大暴雨。
从雷达回波来看,大面积的层状云中分布着南北走向的γ中尺度对流单体,单体结构较为松散,组织性不强。发生暴雨的海南岛东部地区,不断有对流单体由南海北上,列车效应非常明显(图 1g~1i),从而造成了海南持续性的暴雨,15个强降水时段样本累积雨量达到100 mm。同样列车效应使大多数测站经历了多次强降水时段,海南65个测站共筛选出102个样本(表 1)。进一步分析可知,测站强降水累积雨量随着强降水时段的次数有增多的趋势,累积雨量在200 mm以上的大多由多于两次的降水时段构成,而累积雨量大于300 mm的测站均经历了三次以上的强降水时段。
从雷达回波特点上可以看到,三种天气系统下,由于中小尺度天气系统的分布和传播特点不同,分钟降水呈现出完全不同的特征。下面通过分钟雨量资料详细分析强降水过程的特征。
3 强降水时段的特征分析 3.1 分钟降水的时间尺度分析三个地区的典型测站1分钟降水时间序列分布可见(图 3),梅雨和热带系统中单站降水时间序列在两小时内并非呈现出线性的增长或者减弱,而是呈现多峰型特征,存在明显的周期变化,周期小于1小时。而飑线的降水序列无明显周期,且近乎单峰型结构。对应同时段的雷达资料清楚看到在中尺度系统的组织下,γ中尺度强回波单体在测站上方的演变发展造成了该地区的短时强降水的变化,雨峰可能是由分钟时间尺度的γ中尺度对流单体造成的。下面定量分析1分钟降水序列自身的时间尺度。
为了从分钟雨量时间序列中提取不同特征尺度的相关信息,使用小波变换方法。由图 3可见,小波分析图显示梅雨和热带过程的降水序列里10~20分钟的周期震荡最为显著,海南还有一个40分钟左右的显著周期,与γ中尺度对流单体的时间尺度相当,表明降水序列的波动可能与γ中尺度对流单体的强度变化密切相关。华北飑线由于系统移速较快,即使其中的γ中尺度对流单体有生消发展,但对于局地测站影响时间较短,无显著周期。
可见除飑线外,γ中尺度的降水存在大于10分钟的周期,10分钟降水序列能够基本保留其降水特征,下文也将应用10分钟累加雨量研究三个地区分钟级降水的特点。
3.2 强降水时段10分钟雨量统计分析图 4是三个不同影响系统产生的强降水时段10分钟雨量端须图。从整体分布来看,小于20 mm的弱降水时段样本分布三个过程较类似,热带系统离散度稍大;L-SP强度的飑线比梅雨系统离散度稍大一些,但中分位点均为5 mm,海南L-SP强度的离散度相对最小,中分位点不到5 mm;M-SP强度的梅雨系统离散度明显大于热带系统,中分位点值达到了8 mm以上,而同等量级的热带系统中分位点值仅为5 mm。对于H-SP强度的降水时段,只有热带系统有样本,虽然累积雨量很大,但整体分布却与L-SP强度的飑线系统较为接近。
10 mm是值得关注的阈值,三种类型降水大于10 mm·(10 min)-1的样本数均小于25%,其中L-SP强度的梅雨降水含有较少的10 mm以上的样本,而在H-SP强度中含有将近一半的10 mm以上的样本,说明在梅雨系统中出现10 mm·(10 min)-1时,时段降水累积量达到暴雨甚至大暴雨以上的可能性较大。
5 mm·(10 min)-1的标准线对于所有过程区分非强降水和强降水有很好的指示意义。在梅雨系统里,大于5 mm的累积雨量在小于20 mm的降水时段中几乎都是异常值,而在飑线和热带系统中也只是少量分布,所以当10分钟雨量监测到5 mm时,很大概率上此站就会出现强降水,其在实际监测中的实用价值应值得关注。
由此可见,不同系统影响下的分钟雨量值的分布是有差异的,以下通过持续时间、降水率和降水变率进一步研究不同天气系统下分钟级降水的性质。
3.3 强降水时段持续时间$ P = R \times D $ | (1) |
从公式(1) 可以看到[13],总降水量P取决于两方面的条件:一个是降水率(R),另外一个是持续时间(D)。从某一测站强降水过程来讲,降水持续时间决定于中小尺度系统在该地区的影响时间,如系统停滞少动或移动较慢,就会产生较长的降水时间。除了系统移动速度外,雨团的列车效应、后向传播等也是系统长时间停滞的原因。
图 5给出了不同降水时段累积雨量持续时间的概率密度图。对于L-SP(图 5a)飑线系统持续时间较短,40 min处有一个峰值,样本序列中近半数持续时间小于1小时,和飑线移速快的特征是相符的。梅雨和热带系统的持续时间则较相似,海南降水样本70%集中在50~70 min,梅雨则有六成以上的样本持续时间集中在40~60 min。
对于M-SP强度的样本(图 5b),热带系统降水的持续时间大于梅雨系统,梅雨主要在1~2小时之间,而热带系统则大于2小时。H-SP强度降水里梅雨系统只有三个样本(图略),持续时间在200 min以下;热带系统有15个样本,其持续时间在120~590 min之间,远远长于梅雨中的样本。
通过以上分析可知,不同系统下降水的持续时间差异非常大。结合雷达回波特点,飑线系统移速快,故持续时间短;梅雨回波移动较慢且具有后向传播的特点,所以持续时间较长;而列车效应则直接导致了热带系统具有很长的强降水持续时间。
3.4 强降水时段平均降水率$ R = E\omega q $ | (2) |
决定总降水量的另一个要素是降水率R[13],而降水效率(E)、比湿(q)和垂直速度(ω)都是降水率的影响因子[公式(2)]。飑线系统的对流最为强烈,垂直速度也最大;而梅雨和热带系统中的湿度条件都非常好。将每个强降水时段样本的时间序列逐10分钟雨量累加起来求其平均,由此得到每个时段样本的平均降水率。同时,为了能够在一张图上清楚地对比三类不同系统降水率的性质,对降水率曲线做了5点滑动平均,具体值的分布给出了端须图。
整体来看,在同等累积雨量的情况下,飑线系统强降水时段平均降水率是最高的(图 6a),基本在5~11 mm·(10 min)-1之间(图 6b)。陶诗言[13]指出,对暴雨来说垂直速度是更为关键的量,飑线系统即使是在水汽条件不是非常好的情况下,强的上升运动仍然能产生较高的降水率,因此其平均降水率在三个系统中最高。热带系统降水率最低,值基本在2~6 mm·(10 min)-1左右,而梅雨系统降水率离散度较大,强度介于飑线和热带系统之间,在2~10 mm·(10 min)-1左右。
除了三个系统下的降水率具有明显的差异外,从图 6a中还可以看到每个系统下降水时段样本的累积雨量增大时,降水率都有增大的趋势。
3.5 强降水时段降水变率降水的性质除了持续时间、降水率以外,还有一个非常重要的性质就是降水变率,通过降水变率可以了解降水的突发性和均匀性,是小时雨量资料无法准确描述的。通过计算相邻10分钟雨量的差,分析降水变率的变化。将降水变率分为两类,一类是正变率,表征降水增强的特征;一类是负变率,表征降水减弱的特征。
图 7给出了三次过程降水的正负变率分布。飑线系统的正负变率都是三个系统中最大的,超过±5 mm·(10 min)-1的变率在梅雨和热带系统中的分布比较少,说明飑线过程突发性大,降水不稳定。海南降水的变率最小,H-SP强度也仅与梅雨L-SP强度的降水变率相当,降水较为均匀。
另外一个显著的特征就是三个系统降水的正变率都比负变率绝对值要稍大,雨势的增长比减弱幅度要大,飑线过程这种趋势最明显,与飑线后侧的大片积云和层云降水混合回波区可能有关。
3.6 强降水开始1小时特征分析分钟雨量的优势在于它能够清楚反映小时内的雨势,通过求取每个强降水时段样本最初1小时内逐10分钟平均雨量序列,分析三次强降水过程最初1小时的雨势。
如图 8所示,飑线系统持续时间较短,持续时间一般在30分钟到1小时之间,强降水开始时,降水量急剧增大,在20分钟左右达到最强,然后又迅速减小,雨势呈现骤下急停的特点;梅雨系统初期雨势增长也较快,在30分钟时达到雨量峰值,然后雨势缓慢减少;热带系统在这最初的1小时内降水则比较均匀,增长缓慢,持续时间长,1小时还未达到雨峰,符合其降水率和降水变率小的特点,降水变化较为平缓。
三次强降水特征总结如表 2,供预报员做短时临近监测参考和使用。
通过对三种天气类型下分钟级雨量的分析,初步得到以下结论:
(1) 强降水过程中分钟雨量特征与直接造成强降水的中小尺度对流系统甚至是γ尺度对流系统紧密联系,其强度、移动速度以及变化特点造成了不同的雨势;利用其分辨出来的强降水时间序列是研究小尺度系统的有效工具,在强降水监测和预报中发挥重要作用。
(2) 从分钟级雨量的统计分析可以发现,华北飑线过程的单站降水主要以一次强降水时段为主,持续时间一般不超过1 h,具有持续时间短、降水效率高和雨势变化大以及时空分布不均匀的特点。飑线系统由于其突发性和高降水率,致灾性强,而发生时间短,预报难度较高。
(3) 海南热带系统的单站降水一般包含多次强降水时段,持续时间长,降水效率相对较低,雨势变化不大且时空分布均匀,其灾害性体现在较长的维持时间,产生大量的M-SP以上强度的强降水,造成暴雨灾害。
(4) 梅雨系统的降水特点介于飑线与热带系统之间,既有持续降水的可能性,又有降水率大的情况,其预报也最为复杂。
由于本文仅针对三次过程进行了分析,因此,一些结论尚不能代表某一类天气系统所产生的强降水的特征,今后将选取更多过程进行分析,使结论更具普遍适用性。
丁一汇, 张建云, 2009. 暴雨洪涝[M]. 北京: 气象出版社, 1-209.
|
邱小伟, 陈柏, 孙晓辉, 2005. 利用自动站分钟资料实现大风暴雨重要天气的完整记录和编报[J]. 浙江气象, 26(3): 34-37. |
李延江, 高岑, 周艳军, 等, 2009. "08.8.11 "河北海岸带中尺度大暴雨分析[J]. 气象, 35(4): 99-101. |
王国荣, 卞素芬, 王令, 等, 2010. 用地面加密自动观测资料对北京地区一次飑线过程的分析[J]. 气象, 36(6): 65-65. |
杨引明, 朱雪松, 2011. 一次引发强降水的热带低压对流云团的多尺度特征分析[J]. 热带气象学报, 27(4): 543-549. |
陶诗言, 卫捷, 张小玲, 2008. 2007年梅雨锋降水的大尺度特征分析[J]. 气象, 34(4): 3-15. DOI:10.7519/j.issn.1000-0526.2008.04.001 |
曲晓波, 王建捷, 杨晓霞, 等, 2010. 2009年6月淮河中下游三次飑线过程的对比分析[J]. 气象, 36(7): 151-159. DOI:10.7519/j.issn.1000-0526.2010.07.022 |
赵玉春, 李泽椿, 肖子牛, 等, 2007. 一次热带系统北上引发华南大暴雨的诊断分析和数值研究[J]. 气象学报, 65(4): 562-576. |
封国林, 董文杰, 龚志强, 等, 2006. 观测数据非线性时空分布理论和方法[M]. 北京: 气象出版社, 1-4.
|
黄嘉佑, 2004. 气象统计分析与预报方法(第三版)[M]. 北京: 气象出版社, 130-134.
|
杨贵名, 宗志平, 马学款, 2005. 方框-端须图及其应用示例[J]. 气象, 31(3): 53-55. DOI:10.7519/j.issn.1000-0526.2005.03.012 |
俞小鼎.强对流天气临近预报[M].中国气象局培训中心, 2010:21-31.
|
陶诗言, 1980. 中国之暴雨[M]. 北京: 科学出版社, 87.
|