引言

西南低涡是造成我国夏半年暴雨的重要天气系统之一(陶诗言, 1980)，同时也是重庆中西部暴雨最主要的影响系统之一(翟丹华等, 2014)。研究人员(顾清源等, 2008；2010；潘旸等，2011；王新敏等，2009；王中等，2004；周国兵等，2006；赵玉春等，2010)运用诊断分析、数值模拟等方法分析研究西南低涡的演变特征、结构及形成、发展和维持机理，加深了对西南低涡的理解和认识。在对引发西南低涡暴雨的中尺度对流系统的分析方面，周淼等(2014)利用新一代天气雷达三维组网数据分析了四川盆地的强降水过程，发现西南涡对应的对流系统在时间和空间的变化都与涡高度一致，强降水主要是由西南涡对应的中尺度对流系统活动造成的。顾清源等(2008)、陈贵川等(2013)对西南低涡诱发的大暴雨过程进行分析发现西南低涡内存在着一个深厚的β中尺度低涡。宗志平等(2005)通过研究川渝地区持续性暴雨过程，认为中尺度对流系统合并发展为α中尺度低涡，为暴雨的持续发展提供了持续的上升运动和有利的中尺度环境场。于波等(2008)重点利用高时空分辨率的模式输出资料对西南低涡的三维结构、演变特征及其东侧暖切变线上对流活动的可能触发机制进行了研究。西南低涡研究进展的系统回顾和总结可参见何光碧(2012), 同时，文中还提出西南低涡研究在雷达回波特征的认识等方面仍然存在不足。

长期以来，由于西南低涡及其相伴的低空急流尺度小，演变复杂，产生的暴雨又多具有突发性，常规资料难以捕捉其详细结构和演变机理，增加了预报和研究的难度。多普勒天气雷达四维变分(four-dimensional variation，4DVar)同化方法反演风场，能较好地反映强对流系统不同发展阶段的流场特征和对流单体内部流场结构(牟容等，2012)。本文拟利用多普勒天气雷达四维变分同化方法反演西南涡内的两次局地强降水不同层次水平风场，分析易发生局地强降水区域的局地环流特征，为降水位置和持续时间的估计提供参考，以提高局地定量降水临近预报能力。

1 四维变分同化方法简介

通过反演风场能较直观地分析中小尺度天气的动力结构，结合常规探测等资料深入了解强对流天气的内部结构和影响因子，更好地研究强对流天气的发生发展，提高预报准确率。研究所用多普勒天气雷达资料四维变分同化方法由Sun等(1997)建立，并在原方法的基础上经过一定的简化和改进(牟容等, 2007)。同化模式为一个三维云模式，云模式建立在笛卡儿坐标系中，采用滞弹性近似，包含6个预报方程，即3个动量方程、热力方程、雨水方程和总水方程。数值模式以无量纲变量形式编程，这样可以平衡不同变量量级的差异，使得在同化过程中每个变量有相似的权重从而得到更好的收敛率。4DVAr资料同化的基本思想就是找模式变量的最优初始场，使得模式输出结果在一定的时间域和空间域上与相应的观测结果尽可能接近。为此单部雷达价值函数J为

$ J={{J}_{b}}+\sum\limits_{\sigma, \tau }{\left[ {{\eta }_{v}}{{\left({{V}_{r}}-V_{\mathit{r}}^{\rm{ob}} \right)}^{2}}+{{\eta }_{z}}{{\left(Z-{{Z}^{\rm{ob}}} \right)}^{2}} \right]}+{{J}_{p}} $

(1)

式中, 求和针对空间区域σ、同化窗τ而言，η_v和η_z分别是径向速度和反射率因子的权重系数，V_r^ob和Z^ob分别是雷达观测的径向速度和反射率因子。Vr和Z分别表示模式输出的径向速度和反射率因子。这里采用时间间隔6 min的相邻两次体扫资料进行同化，得到后一体扫所在时刻各高度上的风场。考虑到地面观测资料和探空资料的时空分辨率较低，利用前一体扫资料计算出的VAD风作为初始场，前一循环同化所得结果作为背景场，引入同化系统。

2 两次西南涡内局地强降水实况

2010年6月22—23日(简称“6·23”)和2013年6月30日至7月1日(简称“6·30”)重庆均出现了西南涡暴雨天气过程。“6·23”暴雨发生在重庆南部，102个雨量站累计雨量超过50 mm，最大雨量为152.0 mm。23日06—09时重庆西南部发生了局地强降水(图 1a，本文仅研究该过程重庆西南部的局地强降水)，强降水雨带呈东西向，江津区永兴站3 h累积雨量为117.0 mm。“6·30”暴雨发生在重庆西部，暴雨发生的地区相对更加集中，强度更大，353个雨量站累计雨量超过50 mm，最大雨量为408.5 mm。此次过程的局地强降水发生在30日22时至7月1日01时(图 1b)，重庆西北部，强降水雨带呈东北—西南向，其范围及强度都大于“6·23”，20个雨量站3 h累积雨量超过100 mm，最大雨量为铜梁县侣俸站(158.6 mm)。

图 2给出永兴站和侣俸站在局地强降水发生前后的地面雨量计分钟测值，两个站的分钟雨量都并非单纯的线性增长或减弱。“6·23”江津永兴站(图 2a)分钟雨量在23日06:00—08:59有3个较稳定的时段和1个波动时段，总体变化较小。3个较稳定的时段持续时间最长约1 h。“6·30”铜梁侣俸站(图 2b)的分钟雨量在30日21:00至7月1日00:59呈现出多峰型特征，有3个明显波动时段，波动周期无规律，最长周期约100 min。从第35分钟开始，分钟雨量急剧增大，30 min后增加到最强(2.2 mm·min^-1)，然后迅速减小至0.0 mm·min^-1，雨势呈现骤下急停特点。之后侣俸站的分钟雨量又出现两次周期约45 min的波动。与“6·23”江津永兴站相比，铜梁侣俸站的分钟雨量没有相对稳定的时段，分钟雨量和雨势变化更大。

3 两次局地强降水的中尺度环境条件分析

分析两次过程的天气形势发现，500 hPa上(图略)，副热带高压(以下简称副高)稳定，“6·23”暴雨期间副高脊线位置位于19°~20°N附近，“6·30”脊线位于23°N附近，脊线位置不同导致“6·23”雨带位置较“6·30”偏南。副高西侧为显著低压槽。

两次强降水过程中，700和850 hPa低涡东南侧均为西南低空急流，“6·23”暴雨期间(图 3a)，850 hPa低涡中心位于重庆西南部，局地强降水发生区域附近，低涡南部风速虽然随着低涡的发展有所增强，但在低涡发展最强的时期，仅有6~8 m·s^-1。700和850 hPa的低空急流在强降水区域汇合。重庆南部处于高湿区，而北部500 hPa有干舌。“6·30”暴雨(图 3b)的低涡系统较“6·23”更加深厚，在850、700和500 hPa都能看到显著的低涡中心，且700和850 hPa的低涡中心位于重庆西北部局地强降水发生的区域。700和850 hPa均存在12 m·s^-1以上的低空急流，并维持12 h以上，这两层的急流也在强降水区域汇合。“6·30”的湿层更深厚，水汽条件更充沛。

总体看来，这两次过程的局地强降水发生在低空急流与西南涡共同影响区域，不同的是“6·30”的低涡更深厚，水汽条件更充足，因此“6·30”强降水的范围和雨强都要大于“6·23”。

4 基于雷达反演风场的中尺度分析

为了比较反演风场与多普勒天气雷达径向速度的一致性，需要选取与反演高度基本相同的径向速度。图 4为两次局地强降水发生时雷达平均径向速度与雷达反演水平风场叠加图，反演的水平风场高度为3 km，选取2.4°仰角的雷达径向速度，使得发生强降水的站点处径向速度也大约在3 km高度。同时，风场反演与雷达观测的径向速度的比较也只能在站点附近进行。从图 4a可见，在永兴站附近，反演风场上站点南面有较强西南风，与径向速度-17 m·s^-1左右较一致，反演风场上站点东北面到西北面从偏东风转为北风，也与根据径向速度场上的零速度线判断的风向较一致。在图 4b上，侣俸站附近有一个正的径向速度中心(约17 m·s^-1)，与反演的强偏东南风吻合，其余部分风场反演的径向分量也与平均径向速度的方向较统一。因此，用反演风场分析局地强降水区域的局地环流特征是可行的。

“6·23”局地强降水期间，永兴站附近组合反射率因子维持在40 dBz以上，强回波区呈东西向，移动缓慢。图 5a~5c为永兴站出现短时强降水前约1 h的组合反射率因子与雷达反演1.5、3.0和5.5 km水平风场(重庆雷达站海拔高度以上)叠加图，图 5d是根据图 5a~5c得到的中尺度分析图，主要进行了辐合线、急流、气旋性涡旋等中尺度动力条件分析。需要注意的是，雷达附近，即图中坐标(0, 0) 附近的风场反演由于受到地物回波影响，一般不可靠。1.5 km(图 5a和5d)高度上，永兴站南侧为辐合线，其西南侧存在西南低空急流，3 km(图 5b和5d)高度上，永兴站附近及其以北为偏南气流，其南侧则为西南低空急流，在永兴站附近存在显著的西南风风速辐合，而5.5 km为一致的西南气流(图 5c和5d)，此时永兴站附近的组合反射率因子强度在35~40 dBz。之后，1.5和3 km(图略)高度上的低空急流向偏北和偏东方向伸展并增强，尤其是1.5 km上西南低空急流增强和伸展的更显著，使得1.5 km上的辐合线位置稍有北抬，永兴站附近的辐合上升运动更显著，到06:53(图 6)，1.5 km(图 6a和6d)的辐合线位置北抬至永兴站附近，组合反射率因子强度增长至45~50 dBz，3 km(图 6b和6d)上最显著的特征是在辐合线上反演出了小的气旋性涡旋(Brandes et al，1993)。在涡旋中心及其东侧的辐合线附近，组合反射率因子的强度达50 dBz以上，永兴站的地面分钟雨量基本在0.6~0.8 mm，表明涡旋中心及其东侧的辐合区与强降水落区有很好的对应关系。此后，1.5和3 km(图略)上的西南低空急流继续向偏东方向伸展，尤其是3 km上，强度进一步增强，涡旋发展的更加完整，对应45~50 dBz组合反射率因子的范围有所扩大，永兴站的分钟雨量增大至0.8~1.0 mm。以上分析表明，强降水出现在1.5 km的辐合线、3 km的涡旋附近，风场反演的低空急流的强度和移向对强降水有指示意义。

“6·30”局地强降水期间，侣俸站附近组合反射率因子维持在45 dBz以上，强回波区呈东北—西南向，移动缓慢。侣俸站出现短时强降水前约半小时(图 7)，1.5 km(图 7a)和3.0 km(图 7b)上均存在偏东风和偏北风形成的辐合线，强回波区主要位于辐合线附近的偏东气流中，呈弓型，此时，侣俸站的分钟雨量(图 2b)在0.2 mm以下。“6·30”局地环流系统比“6·23”更为深厚，在1.5、3.0和5.5 km(图 7c)都反演出气旋性涡旋。1.5和3.0 km的涡旋位于侣俸南侧，5.5 km的涡旋位于侣俸的西侧，3 km涡旋中心与5.5 km涡旋中心相距60 km(图 7d)左右，强回波区位于低层涡旋中心东南侧的偏南气流中，在1.5和3.0 km上，除了涡旋东北侧显著的东南风低空急流外，西侧还存在明显的偏北气流。之后，5.5 km上(图略)的涡旋中心逐渐向东南方向移动，1.5和3.0 km(图略)上，偏北风进一步增强，并逐渐向东扩展，使得偏北风与偏东风形成的辐合线向东移动，辐合强度加强，45 dBz以上的强回波区相应东移，范围扩大，在此过程中，侣俸站的降水强度显著增强(图 2b)，分钟雨量0.4~0.9 mm。侣俸站短时强降水发生期间(图 8)，45 dBz以上的强回波区主要位于1.5 km(图 8a)上强偏东气流与强偏北气流形成的辐合线附近，3.0 km(图 8b)上有完整的气旋性涡旋，这两个高度的偏南风急流和偏北风急流也较强降水开始前(图 7a和7b)增强，5.5 km上的涡旋中心进一步东南移，与3 km涡旋中心仅相距20 km，表明不同高度气旋性涡旋的耦合使得涡旋加深，急流加强，为强降水的维持提供了更充足的动力和水汽条件。22:02以后，分钟雨量仍有两次明显波动(图 2b)，从间隔6 min的风场反演序列(图略)可以看出，有辐合线不断从强降水区西侧新生，然后东移减弱，辐合线的生消可能是侣俸站的分钟雨量呈波动变化的原因。

表 1比较了这两次过程的探空参数及气旋性涡旋和低空急流。两次过程开始前均具备较高的对流有效位能(CAPE)，但是水汽条件和热动力条件有大差别。2010年6月22日20时至23日08时沙坪坝的探空资料演变显示，重庆西部上空的大气层结条件迅速向有利于强降水天气转变，低层增湿显著，850 hPaT_d由12℃增至14℃，700 hPa T_d由-5℃增至8℃，K指数由23℃增至32℃；23日08时沙坪坝上空中低层的风速显著增强，有强的暖平流输送。2013年6月30日20时的大气层结条件更加有利于强降水天气产生。近饱和层结从地面伸展到300 hPa以上，有强的暖平流输送，K指数(43℃)、850和700 hPa的T_d分别为19和12℃均较“6·23”过程要高。可见，“6·30”暴雨过程前重庆西部地区具备更强的热力不稳定和水汽条件。两次过程都有气旋性涡旋出现，但是“6·30”暴雨过程中雷达风场反演的气旋性涡旋出现在1.5~5.5 km高度，持续长达5 h，而“6·23”暴雨过程的气旋性涡旋仅出现在3.0 km高度上，持续时间只有3.5 h，涡旋发展的厚度和持续时间均显著弱于“6·30”。同时，“6·30”暴雨过程的东南低空急流在1.5和3 km高度上持续了5 h，而“6·23”暴雨的西南低空急流仅在3 km高度上持续了3 h。

5 结论与讨论

本文利用多普勒天气雷达四维变分同化方法反演2010年6月23日和2013年6月30日重庆市两次西南涡内的局地强降水不同层次水平风场，分析了易发生局地强降水区域的局地环流特征。得到如下主要结论：

(1) “6·23”是在带状副高北侧，配合高原槽和西南涡共同影响形成的，“6·30”是在副高西北侧，由深厚的西南涡造成的；两次过程中低涡东部和南部都伴有显著的低空急流，而“6·30”急流的强度更强，伸展范围更偏北；探空资料表明，“6·30”水汽条件和大气层结条件更加有利于强降水的发生。

(2) 天气雷达风场反演表明，两次强降水的局地环流形势都有低空急流和低层辐合的特点，辐合线演变及低空急流的强度和移向对强降水有指示意义；降水强度的波动可能与辐合线的生消有关。

(3) 天气雷达风场反演可以提供西南涡内局地气旋性涡旋的演变特征。不同高度的气旋性涡旋耦合可能有利于急流的加强和水汽输送。就本文的两个个例而言，伴随较深厚的局地气旋性涡旋的“6·30”的降水强度和范围更大，其最大分钟雨量、小时最大雨量和3 h最大累积雨量都较“6·23”大。

今后需要针对各种类型的局地强降水开展风场反演工作，为降水位置和持续时间的估计提供参考，以提高局地定量降水临近预报能力。

致谢：感谢NCAR孙娟珍博士提供的变分同化算法源程序。