引言

青藏高原是全球高海拔地区气候与天气研究的核心区域(Wu et al, 2015; 马耀明等，2025)，其降雪天气不仅深刻影响区域生态和水文过程(包文等，2024)，也对航空运行安全造成严峻挑战(杜娟等，2024；黄晓清等，2018)。作为青藏高原最重要的航空枢纽，拉萨机场在区域社会经济发展与对外联通中发挥着重要作用。然而，高海拔地理条件使降雪易引发机身积冰与跑道摩擦系数显著下降，进而导致航班延误、取消甚至起降事故，严重制约航空运行效率与安全(范菠等，2007；周川等，2015；Deng et al, 2017)。近年来，在全球气候变暖背景下，青藏高原降雪量总体呈上升趋势，极端降雪事件频发(Li et al, 2024; Sun et al, 2024)，由此对拉萨机场降雪天气精细化研究提出了更为迫切的需求。

大尺度环流形势是影响降雪的重要因素，其通过影响动力、热力和水汽条件，从而决定降雪的强度、持续时间与空间分布(索渺清和丁一汇，2014；申红艳等，2024)。对环流分型有助于建立环流类型与局地天气特征的联系，从而增强降雪可预报性。环流分型主要包括主观分型与客观分型两类，主观分型依赖天气学理论识别典型环流形势，但其典型性判据不统一、主观性强，难以实现业务化应用(Huth et al, 2008)；客观分型通过标准化数据与统计方法实现自动分型，适用于大样本分析，但存在参数敏感性、依赖大样本和缺乏天气学意义等方面的局限，不同方法或参数组合往往导致分型结果差异显著(Philipp et al, 2010)。

Jenkinson-Collison(以下简称J-C)环流分型方法(Jenkinson and Collison, 1977)弥补了上述不足，该方法基于位势高度、风向、风速及涡度等物理量构建分型判据，无需大样本训练，具有明确的天气学意义，既降低了主观分型的人为误差，又克服了部分客观分型方法在区域适用性和稳定性方面的局限，得到了广泛应用和发展(Jones et al, 1993; Spellman, 2017; Fernández-Granja et al, 2024)。Jones et al(2014)利用再分析数据验证J-C环流分型方法在全球不同区域环流识别中的稳定性和季节一致性；Wang et al(2017)将其应用于乌鲁木齐机场雾天环流分型，显著提升了低能见度天气预报效果；Osipova and Osipov(2022)基于该方法研究了1970—2020年东西伯利亚环流变化及低频振荡对近地面天气的影响。

然而，传统J-C环流分型方法以海平面气压场为分型依据，在青藏高原等高海拔地区，复杂地形条件导致海平面气压估值误差显著，削弱了环流分型结果的可靠性(朱艳峰等，2007；Fernández-Granja et al, 2023)。已有研究指出，500 hPa位势高度场可更有效表征青藏高原天气系统的特征与演变过程，对降雪预报具有明确指示意义(索渺清和丁一汇，2014；罗布坚参等，2019)。为验证基于500 hPa位势高度改进的J-C环流分型方法在拉萨机场降雪天气中的适用性，厘清不同环流分型对应动力场、热力场及水汽场特征，阐明物理场差异对降雪量与持续时间的影响机制，本研究以2013—2020年拉萨机场56次降雪事件为研究对象，采用改进的J-C环流分型方法进行客观分类，并结合自动气象观测数据与ERA5再分析数据进行综合分析，为提升拉萨机场降雪预报精度和高原航空运行气象保障能力提供科学依据，也为青藏高原高海拔地区环流分型技术优化提供参考。

1 数据及方法 1.1 数据

采用2013—2020年拉萨机场自动气象观测系统记录的数据和ERA5再分析数据(分辨率为0.25°× 0.25°)，自动气象观测系统数据包括温度、湿度、风速、天气现象(包括降水类型)、降雪量等，时间分辨率为1 min；ERA5再分析数据包括位势高度、水平散度、比湿、相对湿度、温度、风速分量(u和v)、垂直速度等。

1.2 方法

使用500 hPa位势高度场作为分型依据，以拉萨机场(29.29°N、90.91°E)为中心，以5°经纬度为间隔，选取9个差分格点(图 1)，计算式(1)~式(7)的7个参数。该格点间隔和空间尺度与青藏高原典型天气系统的水平尺度相匹配，经测试分型效果较好。

$ C_{\mathrm{z}}=0.25\left[\left(P_7+2 P_8+P_9\right)-\left(P_4+2 P_2+P_3\right)\right] $

(1)

$ \begin{aligned} C_{\mathrm{m}}= & \frac{1}{2 \cos 29.29^{\circ}}\left[0.25\left(P_3+2 P_6+P_9\right)-\right. \\ & \left.0.25\left(P_1+2 P_4+P_7\right)\right] \end{aligned} $

(2)

$ D=\arctan \left(\frac{C_{\mathrm{z}}}{C_{\mathrm{m}}}\right) $

(3)

$ F=\sqrt{C_{\mathrm{z}}^2+C_{\mathrm{m}}^2} $

(4)

$ \begin{gathered} Z_{\mathrm{w}}=\frac{\sin 29.29^{\circ}}{\sin \left(29.29^{\circ}-2.5^{\circ}\right)}\left[\left(P_7+2 P_8+P_9\right)-\right. \\ \left.\left(P_4+2 P_5+P_6\right)\right]-\frac{\sin 29.29^{\circ}}{\sin \left(29.29^{\circ}+2.5^{\circ}\right)}\left[\left(P_4+\right.\right. \\ \left.\left.2 P_5+P_6\right)-\left(P_1+2 P_2+P_3\right)\right] \end{gathered} $

(5)

$ \begin{gathered} Z_{\mathrm{s}}=\frac{1}{\cos 29.29^{\circ}}\left\{\left[0.25\left(P_3+2 P_6+P_9\right)-\right.\right. \\ \left.0.25\left(P_2+2 P_5+P_8\right)\right]-\left[0.25\left(P_2+2 P_5+P_8\right)-\right. \\ \left.\left.0.25\left(P_1+2 P_4+P_7\right)\right]\right\} \end{gathered} $

(6)

$ Z=Z_{\mathrm{w}}+Z_{\mathrm{s}} $

(7)

式中：P_n为第n个格点上500 hPa位势高度；C_z和C_m分别为纬向和经向风分量；D为风向角；F为风速模值；Z_w和Z_s分别为切变涡度的西风分量和南风分量；Z为总切变涡度，按照表 1中的标准对其计算结果进行分型。

2 分型结果 2.1 分型结果统计

2013—2020年拉萨机场共发生降雪天气56次，分为气旋型、气旋与西风平流混合型(在本研究中呈低压槽形势，称低压槽型)、西风平流型和不确定型。如图 2所示，气旋型7次(小雪4次，雨夹雪2次，中雪1次)，平均降雪量为3.4 mm，持续时间为358 min；低压槽型24次(小雪19次，中雪4次，大雪1次)，平均降雪量为1.2 mm，持续时间为170 min；西风平流型21次(小雪18次，中雪2次，大暴雪1次)，平均降雪量为1.8 mm，持续时间为280 min；不确定型4次(小雪2次，雨夹雪2次)，平均降雪量为3.1 mm，持续时间为220 min。不确定型的4次事件环流形势复杂(鞍型场1次、高低压过渡区2次、弱高压脊1次)，缺乏统一特征。基于8年样本可知，低压槽型和西风平流型是拉萨机场降雪主要的环流类型。除不确定型之外，气旋型占比最低，但平均降雪量最大、持续时间最长；低压槽型占比最高，但平均降雪量最小、持续时间最短；西风平流型的占比、平均降雪量和持续时间介于前两者之间。改进的J-C环流分型方法识别出拉萨机场52次(占比92.9%)降雪的天气形势，不确定型仅4次(占比7.1%)，明显低于Kysely and Huth(2006)两阶段聚类法对500 hPa位势高度场分型的不确定型比例(冬季19.7%和夏季34.5%)，分型效果明显提升。

2.2 天气形势分析

2013—2020年拉萨机场降雪天气各分型的500 hPa位势高度场、温度场和风场如图 3所示。对于气旋型(图 3a)，拉萨机场处于近似闭合的564 dagpm等高线包围的低压环流系统内，气流呈逆时针旋转，形成明显的低涡结构，温度场显示机场南侧为弱暖区，这类环流形势有利于气流辐合和抬升，为降雪提供有利的动力条件。薛建康(1988)研究表明，高原低涡是冬半年青藏高原地区重要的降水系统，并常与强降雪事件相关(梁潇云等，2002)。对于低压槽型(图 3b)，拉萨机场位于低压槽控制下，槽前为西南气流，槽后转为偏西气流，并受弱的暖脊影响。槽前西南气流通常与南支槽活动相联系，将孟加拉湾的暖湿气流持续输送至青藏高原，对高原降雪过程具有重要贡献(刘胜胜等，2021；罗布坚参等，2019)。西风平流型(图 3c)表现为等高线纬向均匀分布，拉萨机场受暖脊和西南气流控制。

图 4给出了2013—2020年拉萨机场降雪天气各分型500 hPa位势高度场、风场和温度场与冬半年气候平均的距平场。气旋型的位势高度距平场呈现出显著的北正南负特征(图 4a)，正、负距平幅度分别达到5 dagpm和-2 dagpm，这增强了南北向位势高度梯度，斜压性不稳定性明显增强(对应图 3a中等温线密集分布)，为锋区的生成与发展提供有利的动力条件。温度场距平整体表现为偏冷，负距平区分布较为分散，其值小于-2℃。机场西北侧同时出现位势高度场和温度场正距平，指示暖脊发展加强，进而有利于其前侧低涡发展及冷空气南下。风场距平以偏东风为主，表明西风较气候态偏弱，机场东北侧的弱偏北风距平和东南侧的弱偏南风距平有利于冷暖空气在机场附近交汇。

低压槽型的位势高度场和温度场距平整体为负距平(图 4b)，负距平中心位于机场以南，幅度分别达到-5 dagpm和-4℃，风场距平显示机场北侧存在较强的偏北风异常，反映出低压槽加深、冷空气活动强盛，为降雪过程提供关键的动力条件。西风平流型的位势高度场和温度场距平整体呈弱负距平分布(图 4c)，表明低槽发展和冷空气活动受限，风场距平显示存在明显的偏南风异常，显示暖湿平流过程较强，增强了降雪所需的水汽供给。

2.3 动力场分析

图 5为2013—2020年拉萨机场降雪天气各分型涡度、垂直速度及高空风场的经向和纬向垂直剖面。气旋型的经向剖面(图 5a)显示，30°N以北为大范围负涡度与下沉气流区，对应位势高度正距平区；30°N以南为正涡度和上升气流区，对应位势高度负距平区(图 4a)。最大正涡度和上升气流位于机场上空，分别达到5×10^-5 s^-1和-0.4 Pa·s^-1。气旋型的纬向剖面(图 5d)显示，88°E以西出现大范围下沉气流，对应图 4a中暖脊发展区域，其他区域均呈现正涡度和上升气流。急流轴位于200 hPa左右，机场位于急流轴的西北侧。

低压槽型的经向剖面(图 5b)显示，机场以南的正涡度和上升气流区范围较气旋型大，对应位势高度强负距平中心(图 4b)，反映出低压槽强烈发展。但正涡度和上升气流的强度较气旋型弱，机场上空的值分别达到3×10^-5 s^-1和-0.2 Pa·s^-1。低压槽型的纬向剖面(图 5e)呈现槽后下沉、槽前上升结构(以88°E为界)，高空风场显示机场位于急流轴北侧。

西风平流型的涡度和垂直速度剖面(图 5c，5f)均表现为正负相间的分布特征，机场上空对应弱正涡度和弱上升运动。尽管抬升强度明显弱于气旋型和低压槽型，但仍为降雪天气提供必要的动力条件。高空急流覆盖范围最大、风速最强，机场位于急流轴西北侧，急流次级环流的发展及对流层中上层的抽吸作用增强高空辐散(图略)，促进机场上空垂直运动的维持与加强。高空急流引发的降雪增强效应已被Dai et al(2024)的研究证实。

2.4 热力场分析

图 6示出2013—2020年拉萨机场降雪天气各分型相当位温和温度平流的经向和纬向剖面。气旋型(图 6a，6d)的温度平流表现为机场以北和以西以冷平流为主，对应动力场(图 5a，5d)中的负涡度和下沉气流区，其他区域为暖平流，对应正涡度和上升气流区。机场上空暖平流强度随高度增加而增大，有利于上升运动的发展。相当位温等值线较稀疏(地面约318 K，500 hPa约322 K)，表明层结稳定度较弱。

低压槽型(图 6b，6e)的温度平流分布特征与气旋型类似，但冷平流的强度较气旋型强，对应更强的负温度距平(图 4b)。机场上空的温度平流表现为低层暖平流与高层(500~300 hPa)冷平流，造成层结稳定度减弱，促进上升气流发展。相当位温随高度增加的值较气旋型小(地面约316 K，500 hPa约318 K)，层结稳定度较气旋型弱。

西风平流型(图 6c，6f)表现出整个区域受暖平流控制，机场地面至500 hPa的暖平流随高度增强，有利于上升运动发展。机场上空相当位温等值线最密集(地面约312 K，500 hPa约320 K)，表明层结稳定度最强。

2.5 水汽场分析

图 7为2013—2020年拉萨机场降雪天气各分型500 hPa水汽通量和水汽通量散度。气旋型(图 7a)的水汽通量场呈明显的气旋性环流分布，水汽主要从南侧输送至机场，在环流南侧形成最强水汽辐合区，水汽通量散度最大值达到-1×10^-7 g·cm^-2·hPa^-1·s^-1。低压槽型(图 7b)的水汽输送为自西向东，输送强度在三类分型中最弱，机场位于较弱的水汽辐合区，水汽通量散度最大约为-5×10^-8 g·cm^-2·hPa^-1·s^-1。西风平流型(图 7c)的水汽来源于西南侧输送，输送强度最强，机场附近的水汽通量散度为弱辐散。

2013—2020年拉萨机场降雪天气各分型水汽通量、水汽通量散度和比湿的经向和纬向剖面如图 8所示。气旋型(图 8a，8d)的水汽向上通量和辐合程度最强、范围最大。西风平流型(图 8c，8f)则表现为500 hPa以下辐合、500 hPa以上辐散的特征，这与高空急流的上层抽吸作用引起的低层辐合、高层辐散密切相关。比湿场显示，气旋型的机场地面比湿(>3 g·kg^-1)大于其他两类分型(>2 g·kg^-1)。

3 讨论 3.1 各分型降雪的物理机制

本研究得出三类分型的降雪形成机制存在区别。气旋型受高原涡驱动，在强正涡度、深厚抬升、随高度增强的暖平流及强水汽辐合共同作用下触发强降雪；低压槽型受南支槽扰动，表现为正涡度与上升运动“广而弱”以及水汽供应有限的特征，多出现短时弱降雪；西风平流型受高空急流的抽吸作用，造成低层辐合与高层辐散，部分抵消稳定层结对上升运动的抑制效应，并在西南暖湿气流配合下产生降雪。

3.2 分型方法的局限

本研究以500 hPa位势高度场为分型依据，避免了高原地区海平面气压误差对分型结果的影响。但该方法存在不足：分型指标未包含急流、温度平流以及低层水汽通量等影响降雪的关键物理量，从而限制了对高层动力强迫、热力结构以及水汽输送等因子的表征。未来可构建融合多高度层和多物理量的综合分型指标体系，提升方法适用性与分型精度。

3.3 不确定型降雪案例的启示

4次不确定型降雪(占比7.1%)均出现在季节转换期(4月2次，10月2次)，其环流形势复杂，平均降雪量(3.1 mm)仅次于气旋型。因此，在业务预报中，除关注典型环流类型和天气系统外，需特别重视季节转换期间局地热动力因子与环流背景协同作用引发的降雪，以降低漏报风险。

3.4 极端降雪事件的启示

2次极端降雪事件(大雪及以上)分别出现在低压槽型与西风平流型，而平均降雪量最大的气旋型则没有出现极端降雪事件。这可能是因为本文的样本量(56次)有限，未涵盖气旋型中的极端案例，也可能是由于区域和局地降雪量的差异造成：气旋型可能造成区域性强降雪，但局地降雪量还与局部环流和地形等因素有关。极端降雪是大尺度系统伴随局地辐合和地形抬升等多尺度系统耦合作用的结果。后续研究可增加样本或考虑局地因素，提升对极端降雪事件的识别与预报能力。

4 结论

本研究基于改进的J-C环流分型方法，对2013—2020年拉萨机场56次降雪过程进行分型，通过对物理量场的诊断分析，得出不同分型的环流特征与物理机制，主要结论如下：

(1) 改进的J-C环流分型方法识别出拉萨机场52次(占比92.9%)降雪天气形势，得出气旋型、低压槽型和西风平流型三类主要环流型，不确定型的比例(7.1%)较传统客观方法显著降低。

(2) 三类分型的天气系统与物理场结构特征存在明显差异。气旋型对应高原涡系统表现为最强的正涡度和上升运动、整层水汽辐合、明显的暖平流发展；低压槽型受南支槽影响，正涡度与上升运动范围广但强度弱，低层暖平流与高层冷平流叠加导致层结最不稳定；西风平流型受暖脊与强盛的高空急流控制，层结稳定度最强，水汽场表现为低层辐合、高层辐散。

(3) 各分型的物理场结构与降雪关键指标存在关联。气旋型的动力抬升最强，水汽供应最足，平均降雪量最大(3.4 mm)，持续时间最长(358 min)；低压槽型的动力抬升和水汽供应较弱，平均降雪量最小(1.2 mm)，持续时间最短(170 min)；西风平流型的高空急流抽吸作用部分抵消了稳定层结对抬升运动的抑制，降雪量(1.8 mm)与持续时间(280 min)介于二者之间。