周雪松,主要从事中尺度动力灾害性天气预报与研究. Email:
采用山东省2000—2011年逐日、逐时降水资料和NCEP最终分析资料,研究了山东省暴雨天气学指标物理量的时空分布,获得了不同季节、区域和范围的暴雨预报指标特征。研究表明:山东暴雨有明显的夜间增强趋势。业务中常用的暴雨指标物理量均有不同程度的季节性变化特征,一方面表现在指标物理量的阈值有明显的季节性差异, 例如暴雨的850 hPa比湿指标在4、5月仅为10 g·kg-1,而7月则可达14 g·kg-1;另一方面不同季节的水汽、动力和热力不稳定等因子对暴雨贡献也不尽相同,通常盛夏季节暴雨的水汽因子较高,而动力因子偏低,而且对流不稳定性较强,但斜压性减弱,其他季节的暴雨则相反。山东暴雨指标物理量的区域性差异没有季节性差异明显,同时各因子的区域差异也并不一致,具体来说鲁南暴雨需要更强的水汽,同时热力不稳定性因子也较高,
By using daily, hourly precipitation data of Shandong Province and NCEP FNL (Final) operational global analysis data from 2000 to 2011, and based on the spatial and temporal statistics of physical indicators of rainstorms in Shandong Province, the physical indicators characteristics of rainstorms in different seasons and regions were analyzed. The results show that rainstorms have obvious nighttime enhanced trend. The physical indicators of rainstorms in daily operations have different levels of seasonal change. On one hand, the thresholds of these indicators have significant seasonal differences, for example, the specific humidity indicator is 10 g·kg-1 in April and May but it is only 14 g·kg-1 in July, and on the other hand, the effects of water vapor, dynamic and thermal instability factor on rainstorms are not the same in different seasons. The water vapor factor is usually high, and the dynamic and thermodynamic instability factors are low in summer. Furthermore, atmospheric convective instability can be stronger but baroclinicity gets weakened in summer. However it is contrary to the other seasons. Regional difference of the physical indicators of Shandong rainstorms is not the same as seasonal variations, but it is different among various factors. The rainstorms in the south of Shandong need stronger water vapor, and the thermal instability is also higher, the
多年来,暴雨一直是气象科研与预报业务工作者关注的重点,特别是21世纪以来,针对暴雨的大型观测试验和新理论、新方法的应用极大地推进了对暴雨的认识和预报水平的提高(
近年来,在暴雨预报中配料法(
本研究中使用了山东省123个气象观测站2000—2011年逐日和逐时降水量资料以及NCEP最终分析资料,其中的逐日降水资料日界为20:00,2000—2004年逐时降水量资料使用降水自记纸电子化后的资料,2005年以后使用自动气象站逐小时降水资料。同时,已有研究表明探空资料和NCEP资料中温度、相对湿度、水平风场等气象要素的绝对差值随地点、高度和季节变化较小(
根据暴雨发生的机理,参照全国和山东省暴雨研究和业务应用中常用的预报物理量(
选择的暴雨预报物理量
Selected forecast indicators of rainstorms in Shandong Province
项目 | 物理量 | 层 次 | 单 位 |
水汽因子 | 比湿 | 地面、700 、850、925 hPa | g·kg-1 |
相对湿度 | 700 、850、925 hPa | % | |
可降水量 | —— | mm | |
动力因子 | 850 hPa以下低空急流 | —— | m·s-1 |
垂直速度 | 500、700 hPa | 10-3 hPa·s-1 | |
涡度平流 | 500 hPa | 10-10 s-2 | |
散度 | 850 hPa | 10-6 s-1 | |
热力因子 | 850 hPa | ℃ | |
温度平流 | 850 hPa | 10-5 ℃·s-1 | |
不稳定因子 | 500和850 hPa的 | —— | ℃ |
500和850 hPa温度差 | —— | ℃ | |
—— | ℃ | ||
—— | J·kg-1 |
在统计指标物理量时,以往暴雨过程个例分析 中指标物理量值较为主观,在时空上也较为模糊。因此在本研究中使用IDW(反距离权重差值算法)将所有计算获得的预报指标物理量统一插值到站点位置;在NCEP最终分析资料的物理量与暴雨时间匹配上采用了客观的方法,首先使用逐小时降水量数据确定每次暴雨过程最强降水时段,并以这一时段为基准,向前、向后选择最近时间的NCEP最终分析资料作为研究对象,这样暴雨过程中最强的降水时段与对应的物理量场的时间差将在3 h以内,从而使暴雨有关指标物理量更接近于暴雨发生时的状况。
通过对2000—2011年山东123个观测站(包括基准站、基本站和一般站,不包括区域自动气象站,以下统称为观测站,
山东观测站点分布及暴雨时间分布特征
Distribution of stations and temporal distribution characteristics of rainstorms in Shandong Province
在实际业务中,可按照暴雨发生范围的大小将暴雨划分为:局地暴雨、区域性暴雨、大范围暴雨三类。山东省一般以1~5个观测站为局地暴雨,6~20个观测站为区域性暴雨,≥21个观测站为大范围暴雨。根据这一标准统计分析发现,山东暴雨以局地性暴雨为主(58.7%),其次是区域性暴雨(30.5%),大范围暴雨发生频次较低(10.8%)。可以看出,山东尽管局地暴雨较多,但区域性暴雨和大范围暴雨仍然经常出现。从时间上来看,山东区域性和大范围暴雨主要发生在5—10月,在2003年10月11日,出现一次55个站的大范围暴雨,是近年来规模最大的一次暴雨过程;而在春季和深秋尽管也可以出现暴雨,但主要为局地性暴雨为主,暴雨范围也很小。由此可见,山东暴雨的范围有明显的季节性。
从山东暴雨的日降水量极值来看,大暴雨级别以上的暴雨都出现在4—10月,超过250 mm的特大暴雨主要发生在7和8月,其中最强的一次暴雨过程出现在2009年8月18日的费县,达288.1 mm;其他月份没有大暴雨以上的降水出现。但是,每次暴雨过程暴雨站点平均降雨量有逐月缓慢递增的趋势,在10月达到最大,为82.4 mm(
在对指标物理量的研究过程中,应用统计学方法计算了指标物理量的有关统计量,
暴雨指标物理量总体特征
Physical indicators of rainstorms in Shandong Province
项目 | 物理量指标 | 均值 | 标准差 | 变异系数 | 项目 | 物理量指标 | 均值 | 标准差 | 变异系数 |
注:单位见 | |||||||||
水汽因子 | 700 hPa比湿 | 9.1 | 1.6 | 0.2 | 动力因子 | 低空急流 | 14.0 | 5.2 | 0.4 |
850 hPa比湿 | 12.9 | 2.2 | 0.2 | 500 hPa垂直速度 | -5 | 4 | -0.9 | ||
925 hPa比湿 | 14.4 | 2.8 | 0.2 | 700 hPa垂直速度 | -4 | 4 | -1.0 | ||
地面2 m比湿 | 16.4 | 3.4 | 0.2 | 500 hPa涡度平流 | 0.1 | 1.5 | 11.6 | ||
700 hPa相对湿度 | 87.3 | 11.6 | 0.1 | 850 hPa散度 | -8.9 | 11.7 | -1.3 | ||
850 hPa相对湿度 | 86.9 | 9.7 | 0.1 | 不稳定 | 512.6 | 822.7 | 1.6 | ||
925 hPa相对湿度 | 84.9 | 11.5 | 0.1 | 35.3 | 4.1 | 0.1 | |||
大气可降水量 | 57.4 | 9.5 | 0.2 | 500、850 hPa的 | -2.7 | 8.0 | -3.0 | ||
热力因子 | 850 hPa温度平流 | 5.7 | 7.0 | 1.2 | 500、850 hPa温差 | -22.5 | 2.4 | -0.1 | |
850 hPa的 | 69.4 | 9.4 | 0.1 |
水汽因子的总体特征表明,暴雨发生时地面2 m比湿在16.4 g·kg-1左右,而925、850和700 hPa 比湿分别为14.4、12.9和9.1 g·kg-1,因此应注意不同位势高度层的比湿指标差异(见
有关暴雨指标物理量分布特征
Distribution characteristics of physical indicators for rainstorms
从动力因子来看,暴雨发生时500和700 hPa垂直速度平均值分别为-5×10-3和-4×10-3 hPa·s-1;而在分布上基本在对角线附近,表明暴雨发生时垂直速度中心并不是在一个固定高度(
对于热力不稳定因子,850 hPa假相当位温和
尽管在所有的暴雨过程中,有关指标物理量对暴雨的形成都比较重要,但事实证明,由于气候背景的不同,各种指标物理量的相对重要性和阈值都有所不同(
水汽是暴雨发生的必要条件之一。通过对山东暴雨指标物理量的统计分析,发现山东暴雨指标物理量均有较明显的季节性变化,特别是水汽因子。因NCEP资料在边界层中湿度误差较大(
比湿是表征大气水汽因子的重要指标。850 hPa 比湿的分布表明(
暴雨指标物理量的逐月变化
Monthly variation of physical indicators for rainstorms
比湿各位势高度的逐月变化
Monthly variation of geopotential heights of specific humidity in Shandong Province
指标物理量/g·kg-1 | 百分数/% | 2月 | 3月 | 4月 | 5月 | 6月 | 7月 | 8月 | 9月 | 10月 | 11月 |
700 hPa比湿 | 75 | 4.3 | 5.7 | 7.5 | 8.5 | 10.6 | 10.6 | 10.2 | 9.6 | 8.2 | 5.7 |
50 | 4.3 | 5.7 | 7.1 | 7.9 | 9.3 | 9.9 | 9.5 | 8.9 | 7.5 | 5.3 | |
25 | 4.3 | 5.4 | 6.5 | 6.5 | 7.1 | 9.0 | 8.7 | 8.4 | 6.4 | 4.8 | |
850 hPa比湿 | 75 | 7.2 | 7.5 | 11.5 | 11.5 | 13.9 | 15.1 | 14.4 | 13.1 | 11.0 | 7.3 |
50 | 7.2 | 6.4 | 10.3 | 10.5 | 12.8 | 14.1 | 13.6 | 12.3 | 10.5 | 6.5 | |
25 | 7.2 | 6.0 | 9.5 | 9.0 | 11.3 | 12.9 | 12.4 | 11.0 | 9.6 | 3.9 | |
925 hPa比湿 | 75 | 8.1 | 6.5 | 13.0 | 11.8 | 15.5 | 17.2 | 16.6 | 14.6 | 12.0 | 9.0 |
50 | 8.1 | 6.0 | 11.0 | 9.9 | 13.9 | 16.0 | 15.6 | 13.2 | 11.4 | 4.8 | |
25 | 8.1 | 4.8 | 9.8 | 8.5 | 12.7 | 14.3 | 14.1 | 11.5 | 10.1 | 3.3 | |
地面2 m比湿 | 75 | 9.2 | 6.6 | 15.0 | 11.9 | 17.0 | 19.4 | 19.5 | 15.5 | 13.2 | 10.4 |
50 | 9.2 | 5.6 | 10.6 | 9.8 | 15.4 | 17.7 | 18.0 | 14.4 | 12.6 | 5.5 | |
25 | 9.2 | 5.3 | 9.4 | 8.7 | 13.8 | 15.9 | 16.2 | 12.7 | 11.5 | 4.3 |
大气可降水量同样呈现出与比湿类似的季节变化特征。在2、3和11月,75%的暴雨发生时大气可降水量都不超过30.7 mm,而7和8月,大气可降水量数值却超过55.5 mm,这表明夏季发生暴雨时,需要更高的大气可降水量才能形成暴雨(图略)。与此相反,表征大气饱和程度水汽因子——相对湿度的季节性变化则呈现出与比湿截然不同特征,在整个夏季都不高,而6月相对湿度最小,其中值仅为84.8%;而其他月份大部分都在90%以上,其中10月发生的暴雨相对湿度中值最大达97%(
分析各月山东省暴雨发生时700 hPa垂直速度,发现暴雨过程的垂直速度也有明显的季节性变化。从
与此对应,在山东当暴雨发生时对流层低层基本都存在速度大于12 m·s-1的低空急流;且低空急流也有较明显的季节性差异,其季节变化趋势与垂直速度基本对应,在夏季暴雨发生时低空急流速度偏低,而在其他季节需要较强的低空急流才能造成暴雨(
假相当位温是一个能够同时表征大气水汽和热力状况的指标物理量(
由于大气水汽和热力状况的季节性变化,暴雨发生时K指数也具有明显的季节变化特征。相对来说主要有两个集中的状态,其中2、3和11月为低
以上统计分析表明,暴雨指标物理量具有明显的季节性变化,这主要表现在两个方面:一是水汽、动力、热力不稳定指标的分布特征和阈值随季节有较大不同;二是造成强降水的水汽、动力因子在不同季节表现出对暴雨影响程度的不同,春季和秋季暴雨发生时,水汽因子较弱,动力因子则比较强,此时暴雨大部分为局地暴雨;而盛夏季节,水汽条件可以更容易达到暴雨要求,而动力因子指标有所降低。同时,指标物理量的分析也表明,盛夏季节暴雨发生时大气对流不稳定性增强,而斜压性减弱。因此在需要考虑暴雨预报指标时,更需要关注指标的季节性差异。
山东东面临海,中部为鲁中山区,环境较为复杂,各地的天气以及影响系统等也都有较大区别(
不同区域暴雨指标物理量分布特征
Physical indicators distribution characteristics of different regional rainstorms
不同范围的暴雨产生的环境也有所不同,研究中将山东暴雨划分为局地暴雨、区域性暴雨和大范围暴雨,并对山东境内三类不同范围的暴雨过程指标物理量进行分别统计分析。结果发现水汽、动力和热力不稳定因子有比较明显的差异。
首先,在水汽条件方面。局地暴雨水汽条件需求相对较小,850 hPa比湿的中值为12.5 g·kg-1;随着暴雨范围的增大,水汽条件要求越来越高,其中大范围暴雨需要的850 hPa比湿最高,其中值达 13.5 g·kg-1(
不同范围暴雨指标物理量分布特征
Physical indicators distribution characteristics of rainstorms in different scopes
从动力角度来看,大范围的暴雨上升运动更强,这可以从不同范围的暴雨700 hPa垂直速度的差异上进行分析。局地暴雨700 hPa垂直速度中值仅为-1.7×10-3 hPa·s-1,而大范围暴雨700 hPa垂直速度的中值为-4.7×10-3 hPa·s-1,接近局地暴雨的3倍(
通过对500和850 hPa的假相当位温差分析,发现平均来讲局地暴雨发生时,500和850 hPa 假相当位温差为-6.2℃,而大范围暴雨中500和850 hPa 假相当位温差仅为-1.3℃,这说明大范围暴雨过程中对流不稳定较弱(
由此可见,相对于规模较小的暴雨过程来说,大范围暴雨需要更好的水汽条件,更强的动力条件,但对流不稳定条件较低。
山东暴雨有很强的季节性特征,同时其指标物理量也具有显著的时空差异。本文通过对山东省近12年的暴雨过程和相关的指标物理量进行统计分析,从季节变化、区域差异、暴雨范围等三个方面分析并揭示了山东暴雨发生时指标物理量的分布特征,这在一定程度上反映了不同环境中水汽、动力、热力不稳定因子对暴雨影响的复杂性。
(1) 山东暴雨具有明显的季节性变化特征;尽管各季节均有较多的局地暴雨,但大范围暴雨主要发生在盛夏和秋季;同时,山东暴雨还具有明显的夜间增强趋势。
(2) 各指标物理量对于暴雨预报的指示意义不尽相同。比湿等一些简单的水汽、动力和热力不稳定因子对暴雨预报有较好的可用性。然而,CAPE、涡度平流等因子尽管物理意义较为明确,但是在各暴雨过程中差异很大,因此并不能很好地作为暴雨的预报指标。
(3) 业务中经常使用的暴雨指标物理量均有不同程度的季节性变化,这主要表现在这些指标物理量的阈值季节性差异,同时也表现在水汽、动力、热力不稳定因子在不同季节相对重要性上。通常是盛夏季节水汽因子较高,而动力因子较低,而且盛夏季节大气对流不稳定性增强,而斜压性减弱;其他季节相反。这些都是在日常预报中使用暴雨指标时需要考虑的问题。
(4) 山东暴雨指标物理量的区域性差异没有季节性差异明显,且各因子的区域特征并不一致。总体来说,鲁南暴雨需要更强的水汽条件,同时热力不稳定性因子也要求较高,而半岛地区暴雨动力因子需要更强,这与山东暴雨的影响系统和自南向北的水汽输送通道等有关。
(5) 对于不同范围的暴雨来说,大范围暴雨和区域性暴雨需要更好的水汽条件,更强的动力条件,但对流不稳定条件要求较低,局地性暴雨则与此相反。
通过以上研究发现,发生暴雨时其指标物理量并不是一成不变,而是具有较明显的季节性和区域性差异,另外不同范围的暴雨指标物理量也不尽相同。目前一些地方在预报业务中通过个例分析总结了较多的暴雨物理量指标,尽管能够对当地暴雨预报有较好的促进作用,但并不完善。在实际业务中需根据季节、区域等差异建立更为细致的暴雨预报指标体系。值得肯定的是,目前一些研究已经开始分季节制定有关指标阈值(
与此同时,大量的研究认为不同影响天气系统(
感谢山东省气象台杨成芳在研究方法、南京大学大气科学系苏翔在绘图技术上的支持和帮助。
曹钢锋,张善君,朱官忠,等.1988.山东天气分析与预报.北京:气象出版社,292-298.
曹晓岗,张吉,王慧,等.2009.“080825”上海大暴雨综合分析.气象,35(4):51-58.
李俊,李武阶,廖移山.2006.基于“配料”的梅雨锋强降水预报方法.气象,32(9):3-8.
黎清才,邹树峰,张少林,等.2003.山东省雨季开始标准的研究.山东气象,23(1):17-19.
李延香,徐传玉,滕俏斌.1997.华北地区区域性暴雨综合预报技术.气象,23(11):22-26.
梁生俊,马晓华.2012.西北地区东部两次典型大暴雨个例对比分析.气象,38(7):804-813.
刘爱鸣,林毅,刘铭,等.2007.“碧利斯”和“格美”登陆后暴雨强度不同的天气学对比分析.气象,33(5):36-41.
苗爱梅,郝振荣,贾利冬,等.2012.精细化监测资料在山西暴雨预报模型改进中的应用.气象,38(7):786-794.
施望芝,高琦,张萍萍.2007.基于T213的6—8月湖北省暴雨落区(点)预报模型和指标研究.暴雨灾害,26(3):217-222.
孙兴池,王西磊,周雪松.2012.纬向切变线暴雨落区的精细化分析.气象,38(7):779-785.
孙兴池,王业宏,迟竹萍.2006.气旋冷暖区暴雨对比分析.气象,32(6):59-65.
王德英.2008.2008年我国南方暴雨野外科学试验(SCHeREX).中国气象科学研究院年报,(1):20-23.
王令,王国荣,孙秀忠,等.2012.应用多种探测资料对比分析两次突发性局地强降水.气象,38(3):281-290.
王秀明,俞小鼎,朱禾.2012.NCEP再分析资料在强对流环境分析中的应用.应用气象学报,23(02):139-146.
吴蓁,俞小鼎,席世平,等.2011.基于配料法的“08.6.3”河南强对流天气分析和短时预报.气象,37(1):48-58.
尹洁,陈双溪,刘献耀.2004.江西汛期连续暴雨形势特征与中期预报模型.气象,30(5):16-20.
俞小鼎,2011.基于构成要素的预报方法——配料法.气象,37(8):913-918.
俞小鼎,周小刚,王秀明.2012.雷暴与强对流临近天气预报技术进展.气象学报,70(3):311-337.
袁松,程华,王东勇,等.2012.模式再分析与实际探空资料的对比分析.气象科学,32(1):62-67.
岳彩军,郭煜,寿绍文,等.2011.螺旋度在我国多种灾害性天气研究中的应用进展.暴雨灾害,30(2):107-116.
张萍萍,龙利民,张宁,等.2012.“分型配料法”在湖北省暴雨预报中的应用研究.热带气象学报,28(5):771-776.
张少林,邹树峰,黎清才,等.2004.山东省雨季结束标准研究.山东气象,24(1):10-12.
周雪松,阎丽凤,孙兴池,等.2012.“2007.8.17”山东大暴雨的数值模拟和诊断分析.气象,38(08):960-070.
朱乾根,林锦瑞,寿邵文,等.2000.天气学原理和方法.北京:气象出版社,454.
Doswell C A, Brooks H E, Maddox R A.1996.Flash flood forecasting: An ingredients-based methodology.Wea Forecas,11(4):560-581.
Nietfeld D D, Kennedy D A.1998.Forecasting snowfall amounts:An ingredients based methodology supporting the Garcia Method. 16th Conference on Weather Analysis and Forecasting/Symposium on the Research Focl of the U.S. Weather Research Program:385-387.
Wetzel S W, Martin J E.2001.An operational ingredients-based methodology for forecasting midlatitude winter season precipitation.Wea Forceas,16(1):156-167.