引言

龙卷是一种局地尺度的强旋转性极端强对流灾害天气，其母体雷暴常伴随着强风、降水和冰雹等天气现象，通常发生在较高对流有效位能、强垂直风切、低抬升凝结高度的大气条件下。在外观特征上，龙卷常表现为从雷暴云底部延伸至地面的漏斗云，近地面直径从几十米到几百米不等。龙卷具有突发性强、持续时间短等特点，造成灾害影响包括建筑物倒塌、植被连根拔起、车辆掀翻以及基础设施严重受损等。龙卷的强度通常采用增强藤田级数(简称EF等级)进行分类(McDonald and Mehta, 2006；Doswell Ⅲ et al，2009)，该标准依据龙卷造成的建筑物破坏程度估算风速范围，将龙卷由弱至强划分为EF0~EF5共6个等级，其中EF0级的龙卷风速约为29~38 m·s^-1，EF5级的风速超过89 m·s^-1。本文同时结合中国国家标准(简称国标)《龙卷风强度等级》(GB/T 40243—2021)对龙卷强度进行定级(国家市场监督管理总局和国家标准化管理委员会，2021)，其强度等级与EF等级存在如下对应关系：弱对应EF0及其以下，中等强度对应EF1，强对应EF2、EF3，超强对应EF4、EF5。

全球有许多国家遭受不同程度的龙卷危害。其中美国由于地理位置、气候条件的影响，是龙卷数量最多的国家，年均约1200个。根据现有统计数据，中国每年记录到的龙卷总体在100个以内(范雯杰和俞小鼎，2015；郑永光，2020；郑永光等，2021；Chen et al，2018)。需要指出的是，过去由于缺少监测或者记录等, 龙卷数量可能存在一定低估。中国的强龙卷主要分布在东部平原地区或地形平坦的区域，包括江淮、黄淮、华南、东北和华北地区等(范雯杰和俞小鼎，2015；俞小鼎等，2021；徐芬等，2021；郑媛媛等，2009)。

当前，对龙卷的实时监测和预报预警仍是世界性难题(李峰等，2020)。近年来，随着以多普勒天气雷达为主的先进探测设备的广泛部署，龙卷客观识别算法的研发，数值模式预报产品的改进，以及公众气象科普意识的提升，我国对龙卷的监测能力显著提高(姚聃，2020)。尽管如此，由于龙卷空间尺度小、生命史短、演变快，其发生发展仍具有较大的不确定性。为进一步提升对中国龙卷活动规律的科学认识，有必要形成逐年完整的龙卷历史个例库。这些龙卷记录将为研究中国龙卷形成机理、客观识别算法的检验评估、构建用于人工智能相关技术的龙卷训练数据集、促进龙卷预报预警技术提升和完善应急响应体系等诸多方面提供数据支撑。本研究通过多源资料搜集、灾害调查和综合研判分析等方式，重点对2024年中国龙卷概况和基本观测特征进行梳理和分析。

1 资料与方法 1.1 资料及其处理

背景场数据及相关物理量来源于1979—2024年的欧洲中期天气预报中心的ERA5再分析数据(Hersbach et al，2023)，空间分辨率为0.25°× 0.25°，时间分辨率为1 h。逐月ONI指数为Niño 3.4区域(5°S~5°N、120°~170°W)的3个月滑动海温距平，由美国国家海洋和大气管理局发布的ERSSTv5海面温度数据计算所得。雷达数据来源于广东省S波段业务雷达站。

文中时间均为北京时。

1.2 龙卷信息收集

一直以来，龙卷事件发生的真实性判断是建立龙卷历史个例库的难题。自2018年起，佛山市龙卷风研究中心联合国家气象中心、中国气象局龙卷风重点开放实验室(以下简称实验室)、龙卷高发区的气象部门以及气象爱好者等，持续搜集和整理每年发生的中国龙卷事件，并形成龙卷年鉴(张晶晶等，2024；黄舒婷等，2023；植江玲等，2022；蔡康龙等，2021；李彩玲等，2020；黄先香等，2019a)。经过多年来持续开展龙卷资料搜集、组织参与国内龙卷等致灾雷暴大风的实地灾害调查，对于龙卷信息真伪鉴别和灾损强度定级已具备一定的经验积累。龙卷个例信息的搜集主要依托自媒体与官方媒体平台。自媒体凭借即时性和广覆盖性，在雷达盲区及缺乏观测的地区具有显著优势，其视觉资料可有效辅助灾损评估；官方媒体则提供权威信息支撑。在搜集过程中，利用“龙卷爬虫系统”进行全平台自动捕捉，并结合人工定期关键词检索及气象爱好者群体的转发提醒，确保了信息获取的全面性与准确性。针对搜集到的个例，需进一步开展多维核实与验证。通过分析视频发布信息、IP地址、监控影像及地标建筑，确认发生时刻与精确位置；对于多源影像个例，采取交叉对比提升可信度。随后，利用雷达资料核对反射率与径向速度特征，以低层径向风速差(TVS)作为判定真实性的重要依据。对于重大龙卷事件，则由实验室协同地方气象部门进行实地调查，通过无人机航拍、实地测量及目击者走访，结合多源资料会商研判，最终确定灾害路径与强度等级(图 1)。

2 2024年中国龙卷活动概况

自2018年起，佛山市龙卷风研究中心对每年在国内发生的龙卷事件进行系统的搜集和真实性验证，确保数据的可靠性。因此，2018年以后的龙卷记录在完整性和准确性方面较早期记录有显著提升，采用2018—2023年质量可控的中国龙卷观测数据作为龙卷活动分布的参考背景(图 2c, 2d)。从过去6年的中国龙卷总体分布特征来看，龙卷主要发生在中纬度的江苏北部、山东北部和西部、东北平原和内蒙古东部地区，以及低纬度的珠江三角洲和海南北部等地(图 2c)。EF2级及以上的强龙卷主要发生在中纬度地区(图 2d)。

相比于往年，2024年共记录了78个陆地龙卷¹(以下简称龙卷)，主要集中在黄淮、京津冀、东北地区和珠江三角洲(图 2a)，共有17个省份发生了龙卷。空间分布特征与气候平均态总体较一致，但山东中西部龙卷发生较多。山东的龙卷数量最多，达16个，其次是黑龙江11个，内蒙古10个，广东和江苏各9个，河北8个(图 2a)。往年强龙卷多发生在江苏和东北地区(图 2d)，而2024年的EF3级强龙卷均发生在山东。在确定了强度等级的51个龙卷中，EF0级12个、EF1级26个、EF2级9个、EF3级4个(图 2b)，即弱龙卷12个，中等强度龙卷26个，强龙卷13个。水龙卷共40个，主要分布在华南沿海以及渤海湾，在内陆的湖泊、河流、水库等也时有发生。华南沿海共发生22个水龙卷，包括香港维多利亚港的一次水龙卷。根据香港天文台统计，此次是自1959年起首次在维多利亚港出现水龙卷，距摩天大楼和人群密集区近，大量目击者发布水龙卷的视频和照片。

¹在陆地上发生的龙卷也包含发生后上岸的水龙卷，水龙卷为完全发生在水面上的龙卷。

从龙卷数量逐月分布(图 3a)来看，3—10月均有龙卷发生，最早的龙卷发生在3月30日，最晚的龙卷发生在10月31日。其中83%发生在6—9月，7月最多，达25个。水龙卷主要发生在8月，达15个。受秋季台风影响，9—10月仍出现多个龙卷，例如9月17日在台风“贝碧嘉”残余环流影响下黄淮地区发生11个龙卷。从日变化(图 3b)来看，92%的龙卷发生在白天(07:00—19:00)，61%发生在14:00—18:00。夜间(21:00—05:00)发生的龙卷仅有6个，大多都没有龙卷本体的视频和照片，主要通过灾害调查和雷达数据进行综合分析判断。水龙卷白天多发，06:00为高峰。

自媒体平台的即时性和去中心化让更多的龙卷个例被发现和记录，越来越多的龙卷影像资料被公众上传到网络(图 4)。龙卷的形态多样，包括漏斗形、细管形、卷曲形等。龙卷多呈漏斗形，强度较强的龙卷其漏斗形状较宽，例如7月5日的山东菏泽龙卷。龙卷有时还会出现较明显的多涡形态，例如9月17日的江苏宿迁龙卷。龙卷出现在多种不同下垫面上，常见的有田地、城市及农村住宅、厂房，还包括沙漠、草原、山地、高原。水龙卷多呈细管形，时有卷曲形出现，例如10月9日的青海海南水龙卷。水龙卷有时会出现一种双重漏斗结构(Bluestein，2013；Bluestein et al，2016)，即内侧和外侧都有显著的凝结柱形成一个“双壁”结构，除了常见的内侧漏斗，外侧还包裹着一层更宽的漏斗或环状结构，例如7月7日的广西北海水龙卷。9月28日的香港水龙卷与摩天大楼相距不过百米，虽然大多数水龙卷通常不会对人员或建筑物造成危害，但也曾有水龙卷造成船只损伤的情况出现。

3 典型案例 3.1 龙卷群发事件

龙卷群发事件是指在一定时间范围、一定空间范围内发生多次龙卷的过程。美国是全球龙卷活动最频繁也是龙卷群发事件最多的地区，发生过上百次龙卷群发事件(C ' wik et al，2025；Mercer et al，2012；Gensini and Brooks, 2018)。中国的龙卷群发事件相对较少，典型事件如2018年热带气旋“摩羯”背景下的共11个龙卷的群发事件(Bai，2021)，2021年江淮气旋背景下的共13个龙卷的群发事件(Wen et al，2024)，2023年出现多次龙卷群发事件(张晶晶等，2024)。以往研究表明，龙卷群发事件的成因与多尺度天气气候因素相关，从大尺度天气背景、中尺度环境条件到小尺度的局地地形等因素。有研究指出，在我国热带气旋和温带气旋背景下通常容易出现龙卷群发事件(Wen et al，2024；张晶晶等，2024；Bai，2021)。

本文将龙卷群发事件定义为48 h内在300 km范围内发生5个及以上的龙卷。2024年，中国龙卷群发特征明显，共有4次龙卷群发事件：东北冷涡背景下6月13—14日黑龙江5个龙卷，低层为温带气旋控制；高空槽背景下7月5日山东13个龙卷；高空槽背景下8月9日河北5个龙卷，低层也受温带气旋影响；台风残余环流影响下9月17日山东、江苏、安徽和河南的11个龙卷。另外还有一次高空槽背景下共5个水龙卷的群发过程，发生在8月13日的山东东营(其中一个水龙卷上岸被记录为陆地龙卷)。

东北地区的龙卷多发生在冷涡背景下，且大多出现在东北冷涡的东南和西南象限(袁潮等，2023；才奎志等，2022；王秀明等，2015)。6月13—14日黑龙江的5个龙卷均发生在东北冷涡的东南和西南象限(图 5a)，其中1个为EF2级，4个为EF0级。发生在大庆肇州的EF2级龙卷持续51 min，灾情路径长度达30 km，最大影响宽度约1.2 km，过程最强TVS达到50 m·s^-1(图 5c₂)。其余4个EF0级龙卷过程最强TVS均在10 m·s^-1左右(图 5b₂, 5d₂~5f₂)，速度对旋转特征不显著，龙卷持续时间短。

7月5日，山东发生了13个龙卷的群发事件，高层主要受高空槽影响(图 6a)，即西风带系统影响，这也是最易发生龙卷的天气系统之一(黄先香等，2024；俞小鼎等，2021)。13个龙卷中EF3级4个，EF2级3个，EF1级5个，EF0级1个，属于强度强、影响大的龙卷群发事件。2024年所有的EF3级龙卷都是在这一群发事件中发生的，这4个EF3级龙卷的灾情路径长度均在10 km以上，持续时间在15 min以上，其中发生在菏泽东明的EF3级龙卷穿过了东明县城，巨大的漏斗云穿城而过，破坏力强、影响范围大。13个龙卷中有4个龙卷是由同一个超级单体过程在不同时间生成的，这一超级单体持续时间长、强度强，产生的4个龙卷强度都在EF2级及以上，过程最强TVS分别达到34.5、45.4、49.5和48.0 m·s^-1。

8月9日，河北发生了一次5个EF1级龙卷生成的群发事件(图 7)，也受典型的西风带背景影响。其中发生在保定安新白洋淀的龙卷过程持续了46 min，灾情路径长度约31 km，其余4个龙卷的持续时间都不超过10 min，灾情路径长度都不超过4 km。

热带气旋是龙卷发生的重要天气背景之一，珠三角和江苏都是热带气旋龙卷多发的地区(黄先香等，2019b；慕瑞琪等，2022；Bai，2021；白兰强等，2020；Bai et al, 2020)。2024年第13号台风“贝碧嘉”9月16日早晨在上海以强台风级登陆，而后强度缓慢减弱并深入内陆，17日下午已减弱至热带风暴级，中心位于安徽，在其残余环流影响下，黄淮地区发生了11个龙卷的群发过程(图 8, 仅展示有雷达数据或强度较强的龙卷)，包括江苏7个龙卷、山东2个、安徽和河南各1个，其中8个为EF1级，3个为EF0级，灾情路径长度大多在10 km以内。其中发生在连云港东海的EF0级龙卷出现跳跃，第一段和第二段的灾情路径长度分别为2.9 km和2.8 km，中间间隔4.5 km，因间隔时间不超过20 min，被认为是同一个龙卷过程。

通过对上述4次龙卷群发事件的大气对流环境条件进行诊断分析表明，龙卷风集中发生在强龙卷指数(STP；Thompson et al，2003)的相对大值区附近，如图 9中STP大于0.1的区域。此外，龙卷多集中发生在对流有效位能(CAPE)梯度大值区而非其绝对数值大值区(图 9b蓝色等值线密集区)。以上结果表明龙卷发生与局地有利的热力和动力条件密切相关，为未来群发性龙卷天气的潜势预报提供了参考依据。然而，值得注意的是，即使在有利于龙卷形成的大气对流环境下，多数情况下仅出现个别龙卷，甚至可能无龙卷发生。因此，虽然大范围的STP高值区域在概率上增加了龙卷多发的可能性，但并不必然导致龙卷生成或爆发。龙卷的实际发生仍受到对流风暴组织结构的演变以及其与复杂下垫面相互作用等多种因素的影响。

3.2 夜间龙卷事件

当龙卷发生在夜间时，通常缺乏直接的龙卷影像证据，因此可能出现遗漏或难以判断的情形，而且，龙卷夹杂发生在大范围强影响的强对流天气过程中，在最终地面灾害中分辨出龙卷致灾特征也可能存在一定难度。夜间龙卷个例的确定，往往需要结合邻近天气雷达观测和地面灾害特征进行综合研判，下文将以江西南昌的一次夜间龙卷为例。

受弓形回波过境影响，江西南昌西湖区3月31日凌晨遭受雷电、暴雨和地面强风等强对流天气。在此次天气过程中，位于南昌县的一栋高层住宅发生了室内人员受强风影响被吸出室外的气象灾害事件。通过对比邻近多普勒天气雷达观测，该地点位于弓形回波前沿(图 10)。在弓形回波附近通常伴随强烈的下沉气流和冷池出流，其前沿易形成地面强风。以往研究表明，多数龙卷通常与超级单体相关，除了超级单体以外，弓形回波中的中尺度涡旋也会产生龙卷(Knupp et al，2014)。在上述气象灾害事件发生时刻之前(约3月31日03：00)，位于其西侧约12 km处的雷达观测显示出龙卷信号特征，同时在地面具有对应的窄带状灾害(王秀明等，2024)。从02:44的雷达观测可见(图 11)，在扣除风暴移动速度的风暴相对径向速度场中呈现出明显的旋转性切变特征，并伴随着“卷曲”的反射率形态；在1.5°仰角的TVS(距地面400 m左右)达30 m·s^-1，表明该地点存在较强的旋转性大风。同时，雷达1.5°仰角及以上都有明显的相关系数(CC)小值区，具有较好的垂直连续性(图 11c)，CC < 0.7的范围存在于圆形区域，一直向上延伸到2 km左右，伴随有差分反射率因子(Z_DR)低值，即Z_DR＜2 dB(图 11d)。这些双偏振特征量表明该旋转性大风所在区域出现了地面灾害，存在被卷入空中的灾害碎片。综合上述雷达气旋性切变、灾害碎片特征，以及地面实际发生了窄带状灾害损失等特征，将上述气象灾害事件上游区域发生的地面旋转性大风判断为龙卷事件。

3.3 广东春季龙卷多发

2024年，广东共发生了9个龙卷，6个发生在3月30日至4月27日(附表 1)。相较于往年，2024年春季广东龙卷数量偏多，其中5个龙卷为超级单体龙卷。超级单体龙卷通常发生在垂直风切变和CAPE较强的环境背景下(杨祖祥等，2024；慕瑞琪等，2022；Tochimoto and Niino, 2016)。通常，广东4月的垂直风切变较大，但热力条件相对有限(图 12a, 12c)，一定程度制约了超级单体龙卷发生的概率。本文借助ERA5再分析资料对2024年4月的热力和动力条件诊断发现，该月的动力条件与往年类似，但热力条件明显增强，即CAPE较往年明显增大(图 12c)。进一步研究发现，2023年冬季发生了一次较强的厄尔尼诺事件(图 12b)。以往的研究表明，厄尔尼诺-南方涛动(ENSO)可以对东亚天气气候产生重要影响(张人禾等，2017；Zhang et al, 2017)，且ENSO与龙卷活动有一定联系，主要通过影响大尺度环流和环境背景从而影响龙卷活动(Allen et al, 2015; Lee et al, 2016)。

中东太平洋的海温距平在2023年冬季达到了2℃，表明此次厄尔尼诺事件强度较强。强厄尔尼诺在西北太平洋激发了显著的异常反气旋环流，并持续影响至2024年春季。这种冬季形成的反气旋环流，通过遥相关机制影响了春季华南地区的环境背景。一方面，该反气旋异常增强了华南地区低层的西南风，强化了水汽输送，导致广东地区湿度显著上升；另一方面，在全球变暖背景下，2024年4月成为有记录以来全球最暖的4月，广东地区对流层温度也表现出明显的正异常(图 12d)。在热力和动力条件均较为有利的背景下，为超级单体风暴和龙卷的形成提供了较好环境。这表明，2024年春季广东龙卷高发现象可能与ENSO事件密切相关。然而需要强调的是，当前分析仅基于单一年份的气候异常进行归因，结论尚存在不确定性。未来有必要进一步研究其他厄尔尼诺次年是否也会出现类似的环境背景与龙卷多发的情况。

4 结论和讨论

通过多类型媒体平台和实地灾情调查等手段，并结合雷达等气象观测数据，综合研判龙卷的真实性及时间、地点、强度、路径等信息，2024年共记录78个龙卷(特指在陆地上发生的龙卷)，40个水龙卷。2024年龙卷多发生在6—9月，主要集中分布在东北、京津冀、黄淮和珠三角地区；水龙卷8月最多，主要分布在华南沿海及渤海湾。首个龙卷发生在3月30日，最后一个龙卷发生在10月31日(较往年偏晚，与秋季台风有关)。需要指出的是，受观测能力等客观条件限制，本文的龙卷记录无法涵盖实际发生的所有龙卷过程，可能存在一定的遗漏。通过灾害调查进行强度估计的龙卷共51个，包括13个EF2级或以上级别强度。最强的龙卷为EF3级，共4个，均发生在山东。

2024年龙卷的群发性特征显著，4次群发过程的龙卷数占全年陆地龙卷总数的44%。在东北冷涡背景下，黑龙江在6月13—14日记录到5个龙卷；高空槽背景下，山东在7月5日记录到13个龙卷，河北在8月9日记录到5个龙卷；热带气旋残余环流背景下，9月17日在山东、江苏、安徽和河南共记录到11个龙卷。分析表明，龙卷群发事件均在有利的热力、动力条件下发生。2023年冬季发生了一次强厄尔尼诺事件，其影响持续到次年春季，华南地区的热力条件相比往年明显加强，在这种大尺度环境背景下广东春季龙卷异常高发，3月底至4月底发生了6个龙卷，占广东全年数量的67%。

当前，尽管自媒体、官方媒体及气象观测数据的大大提升了龙卷个例记录的完整性，但由于龙卷的生命史短，空间尺度小，在无直接影像证据的情况下仍存在一些难以判断的个例，及时专业的灾情调查和详尽的观测资料分析仍然是重要且有效的途径。例如江西南昌的一次夜间致灾性天气事件，反映了夜间龙卷在判定和确认上的较高难度。其次，同一超级单体在不同时间生成多个龙卷的现象，反映出超级单体和龙卷的复杂动力机制，仍需要更深入的研究。2024年发生了多次龙卷群发事件，存在影响范围广、灾害性强等特点，其可能成因与机制仍待未来进一步深入分析与研究。此外，气候变化可能通过影响大尺度环流、水汽输送及热力条件，调控区域性强对流天气的发生发展，未来仍需进一步研究。这些问题不仅关乎龙卷的机理探究和科学认识，也对预报预警、防灾减灾等工作提出了新的挑战。

附录

致谢：感谢国家气象中心、中国气象局气象探测中心雷达应用室、山东省气象局、辽宁省气象局、黑龙江省气象局、江苏省气象局、安徽省气象局、河南省气象局、广东省气象台、潮州市气象局、清远市气象局、佛山市气象局和国内诸多气象爱好者等对龙卷个例收集提供的帮助。