2. 海南省南海气象防灾减灾重点实验室,海口 570203;
3. 国家气候中心,北京 100081;
4. 武汉区域气候中心,武汉 430074
2. Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province, Haikou 570203;
3. National Climate Center, Beijing 100081;
4. Wuhan Regional Climate Center, Wuhan 430074
海南地处热带地区,属热带季风海洋性气候,一年四季均有暴雨发生,其中秋季暴雨是典型的灾害性天气之一。研究表明,海南秋季暴雨与热带气旋活动关系密切,或由热带气旋登陆直接造成[1-2],或由热带低值系统环流与冷空气相互作用引起[3-4]。张维等[5]通过分析华南暴雨事件的气候特征,发现1961—2008年海南后汛期持续性强降水的频次呈上升趋势。秋季暴雨的频频发生常给海南带来严重的洪涝灾害,造成巨大的损失,引起了社会各界的关注。前人针对海南秋季暴雨,从暴雨过程的环流形势、物理量诊断分析等方面做了相关研究[6-7],这些研究主要是从天气学的角度出发。而在大气环流与外强迫如何影响秋季暴雨的物理机制方面,李勇等[8]研究了海南秋季降水异常的大尺度环流,指出赤道中东太平洋海温异常是可能的影响机制之一。简茂球等[9]指出海南持续性暴雨天气与热带大气的准双周振荡有关,并结合海温进行了分析。秋季暴雨预测是海南季节气候预测和服务的重点与难点,然而现阶段在对秋季暴雨的气候预测方面研究较少,且业务上仍缺少行之有效的客观预测模型。因此,构建秋季暴雨的客观预测模型显得尤为迫切。
目前对秋季暴雨的物理机制已有一些定性分析,如何将这些信息转化为有效的客观预测手段显得尤其重要,而动力模式产品释用正是其中一种重要的方法。随着气候模式的不断发展,基于模式对大气环流的高预测技巧,模式释用或降尺度的思路广泛应用于短期气候预测中[10-11]。美国国家环境预报中心第二代气候预测系统(CFSv2)是海洋、陆地和大气完全耦合模式,2011年3月正式业务运行,目前全球公开发布且实时更新,其模式资料被大量研究机构和业务单位应用。刘颖等[12]利用CFSv2模式预测资料和前期观测数据,基于场信息耦合型构建夏季中国站点降水的统计降尺度预测模型。Zhao等[13]基于CFSv2模式输出资料预测华南前汛期降水。刘娜等[14]利用CFSv2逐年4月起报的夏季月平均预测场对江淮及华北地区夏季降水进行降尺度预测。由此可见,CFSv2模式对大气环流具有较好的预测性[15-16],本文在分析影响秋季暴雨多寡的大尺度环流的背景下,利用CFSv2模式的有效预测信息和外强迫因子构建秋季暴雨日数的动力-计预测模型,以期为秋季暴雨的短期预测提供参考,为秋季气候服务提供技术支撑。
1 资料与方法本文所用资料包括:(1)秋季(9—11月)暴雨日数选自海南岛18个自动站逐日降水量;(2) NCEP/NCAR逐月2.5°×2.5°再分析资料,包括位势高度场、海平面气压、风场;(3) NOAA ERSST V3b海表面温度(sea surface temperature,以下简称SST),水平分辨率为2.0°×2.0°;(4)国家气候中心多模式解释应用集成预测系统(MODES)下发的CFSv2 (Coupled forecast system model version 2)的月平均资料,时间段为1982年至今。为便于业务应用,MODES系统中将该模式数据处理成水平分辨率为2.5°×2.5°[17]。为确保资料的时间一致性,利用CFSv2模式逐年8月起报的秋季环流场,包括500 hPa位势高度场、海平面气压场、200 hPa和850 hPa风场。
本文中暴雨日数定义为日降水量大于等于50 mm的日数。首先分析1982—2013年海南秋季暴雨日数异常的环流特征及其与前期、同期全球海温的关系,找出其中关键的影响系统;然后分别提取CFSv2模式预测较好的、影响秋季暴雨多寡的关键区环流因子和前期海温作为建模因子;最后利用最优子集回归构建动力-统计预测模型,通过交叉检验和试验预测来评估模型效果。
2 秋季暴雨日数的变化特征及影响系统统计海南岛各站9—11月满足暴雨日标准的天数,再求全岛平均,得到海南秋季暴雨日数序列,并将其作为研究对象展开分析。
2.1 秋季暴雨日数的时空分布特征图 1给出1982—2013年海南省平均秋季暴雨日数的空间分布,从中可见,海南岛秋季暴雨日数呈东多西少的空间分布型。中部的琼中暴雨日数最多,东部和北部次之,西部沿海的东方地区最少。图 2给出对应的秋季暴雨日数变化趋势,从中可见,近32 a来平均秋季暴雨日数呈较弱的增长趋势,但线性趋势不显著。秋季暴雨日数呈明显的阶段性变化特征,其中,2007年之后秋季暴雨日数增多较为明显,为暴雨日数偏多的时段。平均暴雨日数最少的年份出现在2004年(0.4 d,最多的年份为2010年(7.9 d)。秋季各个月份中,以10月暴雨日数最多(1.7 d),11月最少(0.4 d)。
海南秋季暴雨的爆发与大气环流有着密切关系,本节着重分析秋季暴雨日数与同期大尺度环流的相关关系,取显著性检验(α=0.05)信息。并进一步分析秋季暴雨日数与全球海温场的关系。
2.2.1 位势高度场图 3给出秋季暴雨日数与同期500 hPa位势高度场的相关场,从中可见,北太平洋地区(150°E—120°W,15°—45°N)为正相关,北澳至热带西太平洋为负相关,可见当秋季暴雨偏多时,易产生东北指向西南的异常气压梯度,有利于偏东气流吹向海南上空。类似地,热带太平洋地区为负相关、太平洋南部为正相关,也易于偏东风分量产生。经分析发现,700 hPa和850 hPa位势高度场上也表现出类似的分布状况(图略),且印尼-北澳一带显著负相关区范围有所扩大,即气压偏低有利于热带低值系统活动频繁。
图 4给出秋季暴雨日数与同期海平面气压的相关场,从中可见,孟加拉湾-北澳一带到热带西太平洋地区气压偏低,较有利于秋季暴雨日数偏多。气压偏低有利于热带涡旋系统活跃,可见秋季暴雨的发生可能与热带对流活动或台风有关。
同时,海平面气压场上,孟加拉湾-北澳至热带西太平洋的大范围地区(负相关)和赤道太平洋以南的中东部地区(正相关)呈显著的反向相关分布型,即南方涛动现象。也就是说,秋季暴雨日数异常偏多时,对应为南方涛动处在正位相,此时位于赤道中太平洋地区对流层低层的东风对应有加强。
2.2.3 风场图 5a、c分别给出秋季暴雨日数与同期200 hPa、850 hPa纬向风的相关场。从中可见,秋季暴雨日数偏多时,在纬向风场上,从高层到中低层,热带西太平洋地区西风异常逐渐转为东风异常,并延伸至南太平洋地区,使得850 hPa上南海到太平洋中东部地区为一致的东风异常区。
图 5b、d分别为秋季暴雨日数与同期200 hPa、850 hPa经向风的相关场。从中可见,在经向风场上,200 hPa中国东部和南部海面主要为北风分量异常,南海至南太平洋东部依次呈“- + - + -”的分布型式。到了对流层中低层,中国东南部海面转为南风异常,且为与高层相反的“+ - + - +”分布。
可见,当秋季暴雨异常偏多时,在对流层低层上热带西太平洋至南海一带为东南风异常区,有利于携带热带太平洋水汽向南海地区输送。同时,有来自孟加拉湾的水汽由弱的西南气流向海南输送。这都为秋季暴雨的产生提供了良好的触发机制和水汽条件。
2.2.4 纬向风垂直切变纬向风的垂直切变是影响西北太平洋热带气旋生成和发展的一个重要动力因子,西北太平洋地区弱的纬向风切变有利于热带气旋的发生发展[18-19]。将850 hPa与200 hPa的纬向风之差的绝对值定义为纬向风的垂直切变幅度,即|U200-U850|。
图 6给出秋季暴雨日数与同期秋季纬向风垂直切变的相关场,从中可见,在纬向风切变场上,热带西太平洋呈负相关关系,与热带中东太平洋变化相反。当纬向风垂直切变在热带西太平洋地区偏小时,对流层上下空气相对运动小,则凝结潜热释放的潜热始终加热该区的同一气柱,易于形成暖心结构,初始扰动气压也不断降低,从而有利于西北太平洋热带气旋生成[20],对应于海南秋季降水偏多。
此外,在太平洋15°N以南地区存在南北反向的两个大显著相关区域:热带中东太平洋为正相关,南太平洋地区为负相关。结合图 5 a可知秋季暴雨偏多时,中低层太平洋地区为东风异常区,即与850 hPa纬向风场分布相对应。
2.2.5 海温场图 7给出秋季暴雨日数与前期春季、前期夏季、同期秋季全球海温的相关场,从中可见,前期春季,热带中东太平洋呈负相关关系,但信号相对较弱。前期夏季,热带西太平洋地区为显著的正相关,热带中东太平洋大范围地区为显著的负相关区。且该分布型持续性好,在同期秋季上仍存在。这表明前期夏季至同期秋季,热带西太平洋海温增暖、热带中东太平洋海水偏冷的形势对应秋季暴雨日数偏多。在厄尔尼诺事件年(如1987、1992、1998、2003、2006等)常对应为秋季暴雨日数偏少年,拉尼娜事件年(如1985、1989、1999、2000、2007等)则对应秋季暴雨日数偏多年。可见,夏秋季ENSO的演变状态与海南秋季暴雨发生频率有密切关系。
综上可知,当赤道东太平洋海温偏低,海平面气压偏高时,对应低纬地区沃克环流增强,对流层中低层东南季风偏强,使海南附近上空盛行偏东气流,对应于海南秋季降水偏多。同时,沃克环流偏强对应于台风的生成与发展[21-22],或影响着海南秋季降水。反之,赤道东太平洋海温偏高,低纬地区沃克环流减弱,低层东南季风偏弱,对应于秋季降水偏少。可见,ENSO对大尺度环流形势、热带对流活动均有着重要影响,也进一步影响海南秋季暴雨的发生发展。
3 秋季暴雨日数预测模型构建及检验本节评估CFSv2模式对影响秋季暴雨日数异常的大尺度环流相关区的预测能力,以期从中获取模式的有效信息,构建预测模型。
3.1 CFSv2模拟能力评估利用MODES系统下发的CFSv2模式资料,提取各年8月起报的秋季环流场。大量研究表明,数值预报模式存在一定的系统偏差,且其稳定系统性误差具有局地性特点[23],故本文分析环流预测场与同期秋季暴雨日数之间的相关关系,确定通过显著性检验的区域。若模式能较好预测与秋季暴雨日数有密切关系的关键区,便可为建模提供依据。
图 8给出秋季暴雨日数与同期CFSv2模式环流预测场的相关分布情况。从图中可看出,整体上能再现观测场上高影响相关区的分布特征,但也存在一定的差异。影响秋季暴雨日数的500 hPa位势高度场上关键区分布特征与观测的相关区较一致,但澳大利亚附近的负相关区较实际偏南,且显著区范围变小(图 8a)。整体上秋季暴雨日数与模式海平面气压的相关场上南方涛动结构型仍存在,但较实际观测有一定的系统性东移,且大片显著负相关区面积有所缩小。但关键区仍通过α=0.05信度检验(图 8b)。
模式对纬向风场预测效果较好,而经向风关键区较观测场偏北,但基本型态相似。如图 8c、d所示,850 hPa纬向风上太平洋中东部到南海一致的负相关区基本预报出来;850 hPa经向风场再现波列中心分布,但较实际观测偏北。二者均为显著区范围有所缩小。
纬向风垂直切变与海南秋季暴雨的发生发展关系较好。图 8e为模式纬向风垂直切变与秋季暴雨日数的相关场,也基本再现实况场上主要相关区的分布型态。其中,15°N以南太平洋地区两个南北反向的区域、印度洋中部均通过了α=0.05的信度检验。
3.2 预测因子选取基于对CFSv2模式环流预测场的相关区特征分析,找出其中有用的模式信息,据此构建秋季暴雨日数的动力-统计预测模型。为比较模式降尺度的效果,选取参与建模的关键区因子包括有:CFSv2模式预测较好的、同期影响秋季暴雨日数的环流关键区(α= 0.05)和前期显著相关区海温。共挑选出11个关键区的标准化距平因子序列(表 1)。
利用最优子集回归,分别基于CFSv2模式环流预测场、前期海温以及融合二者信息构建预测模型。建模样本长度选取1982—2007年(26 a),2008—2013年(2011年模式无数据,共5 a)为独立检验样本。以1981—2010年为气候平均态,用于判断距平同号率。由于建模因子信息较多,且相互之间存在显著相关性(即复共线性),故建模前利用主成分分析进行降维,浓缩预报因子信息,减少复共线性的噪声影响[24]。同时,为避免所构建模型过分拟合,需采取独立样本进行检验,故对1982—2007年做交叉检验,2008—2013年做独立样本回报试验,这两种检验方法能较好评估预测方法以及模型的预测能力和稳定性。
模型构建步骤为:(1)根据建模方案挑选相应因子序列,通过主成分分析将其转换成3个由这些因子的线性组合构成的主成分因子;(2)将这3个主成分因子序列作为新自变量,对秋季暴雨日数做最优子集回归;(3)对模型进行交叉检验和独立样本回报试验。
表 2给出不同建模方案预测模型的效果比较。从表中可看出,仅用模式预报的环流关键区因子建模效果最佳,其次是结合模式信息和海温,而仅利用海温前兆信息建模效果相对较差。可见,模式有效预测信息的加入一定程度上改善了预测模型的效果。
图 9给出基于CFSv2有效信息建立的模型预测秋季暴雨日数和实况的比较,从中可见,该模型中,秋季暴雨日数交叉检验的相关系数为0.60,预测距平与实况的同号率是77%,较合理反映出秋季暴雨日数的年际变化。交叉检验的平均绝对误差为1.0 d。5 a回报试验的预测距平同号率较高,仅2008年预测与观测反号。两类检验都体现出预测模型对极端年份的量级预测能力不足的特点。
可见,CFSv2模式能较好地预测影响秋季暴雨日数多寡的环流关键区异常,同时建模中模式的降尺度信息也优于海温前兆信息,一定程度上改善了模型预测技巧。
4 结论与讨论(1) 海南秋季暴雨多寡与大气环流异常有密切关系。秋季暴雨偏多年,对流层中低层和海平面层上,海南附近盛行偏东风,且热带西太平洋至南海地区气压偏低,热带涡旋系统趋于活跃,同时表现出明显的南方涛动信号,对应为南方涛动正位相年;低层热带西太平洋至南海一带为东南风异常区,并有来自热带太平洋和孟加拉湾的两股水汽在海南附近聚集;热带西太平洋纬向风垂直切变偏弱,易于形成垂直暖心结构,对应于西太平洋附近台风的发生发展。
(2) 海南秋季暴雨日数受海温强迫影响显著。夏秋季,热带中东太平洋海温异常对大气环流、热带对流活动起重要作用,进而影响着海南秋季暴雨的发生发展。
(3) 热带太平洋地区中低层高度场、海平面气压、低层风以及纬向风垂直切变与秋季暴雨日数存在密切联系。CFSv2模式对环流场的高影响区具有良好的预测技巧,可利用该模式预测信息建模。
(4) 利用最优子集回归构建基于CFSv2有效降尺度信息的秋季暴雨日数模型,26 a交叉检验和5 a独立样本试验结果均表明模式信息大大改善了模型的预测效果,此预测方法与模型具有较好的稳定性和预测技巧,可作为秋季暴雨日数预测的参考,但其对极端年份的量级预测能力不足。
本文所构建模型对秋季暴雨日数的年际变化有一定的预测能力,但该研究只是初步的,诸如模型对极端年份的量级预测误差较大、单独应用模式信号建模的预测技巧优于仅利用前期海温或结合二者信息的原因尚未明了、秋季不同月份暴雨作用机制存在差异等问题有待于进一步研究。此外,由于不同气候模式对影响海南秋季暴雨的大气环流预测效果存在差异,如何更好地应用不同模式的预测信息来提高秋季暴雨预测能力也有待研究。
本文得到中国气象局短期气候预测创新团队的大力支持,谨致谢忱。[1] |
赵付竹, 王凡, 郑 艳". 纳沙"、"尼格"强度和结构差异对海南暴雨分布的影响[J]. 广东气象, 2013, 35(2): 14-20. DOI:10.3969/j.issn.1007-6190.2013.02.003 |
[2] |
杨仁勇, 闵锦忠, 郑艳. 强台风"纳沙"引发的特大暴雨过程数值试验[J]. 高原气象, 2014, 33(3): 753-761. |
[3] |
刘丽君, 冯文, 陈德明. 东风急流影响下海南非热带气旋暴雨个例分析[J]. 暴雨灾害, 2010, 29(4): 328-333. DOI:10.3969/j.issn.1004-9045.2010.04.005 |
[4] |
马学款, 符娇兰, 曹殿斌. 海南2008年秋季持续性暴雨过程的物理机制分析[J]. 气象, 2012, 38(7): 795-803. |
[5] |
张维, 林少冰, 杜尧东, 等. 华南地区1961—2008年暴雨事件的气候变化特征[J]. 气象与环境科学, 2011, 34(2): 20-24. DOI:10.3969/j.issn.1673-7148.2011.02.004 |
[6] |
杨仁勇, 赵付竹, 陈有龙. 2010年10月海南岛一次特大暴雨过程数值模拟和诊断分析[J]. 暴雨灾害, 2014, 33(3): 255-263. DOI:10.3969/j.issn.1004-9045.2014.03.008 |
[7] |
汪汇洁, 孙建华, 赵思雄, 等. 2010年秋季一次海南东海岸特大暴雨的中尺度分析[J]. 热带气象学报, 2014, 30(3): 518-532. DOI:10.3969/j.issn.1004-4965.2014.03.013 |
[8] |
李勇, 陆日宇, 何金海. 海南岛秋季降水异常对应的热带大尺度环流和海温[J]. 大气科学, 2006, 30(5): 1 034-1 042. |
[9] |
简茂球, 张春花. 准双周振荡对2010年10月海南持续性暴雨的影响[J]. 热带气象学报, 2013, 29(3): 364-373. DOI:10.3969/j.issn.1004-4965.2013.03.002 |
[10] |
柯宗建, 张培群, 董文杰. 最优子集回归方法在季节气候预测中的应用[J]. 大气科学, 2009, 33(5): 994-1 002. DOI:10.3878/j.issn.1006-9895.2009.05.10 |
[11] |
顾伟宗, 陈丽娟, 张培群. 基于月动力延伸预报最优信息的中国降水降尺度预测模型[J]. 气象学报, 2009, 67(2): 280-287. DOI:10.3321/j.issn:0577-6619.2009.02.011 |
[12] |
刘颖, 范可, 张颖. 基于CFS模式的中国站点夏季降水统计降尺度预测[J]. 大气科学, 2013, 37(6): 1 287-1 296. |
[13] |
Zhao S, Yang S. Dynamical prediction of the early-season rainfall over southern China by the NCEP Climate Forecast System[J]. Wea Forecasting, 2014, 10: 1 391-1 401. |
[14] |
刘娜, 李双林. 基于时间尺度分离的中国东部夏季降水预测[J]. 应用气象学报, 2015, 26(3): 328-337. |
[15] |
Jia Xiaolong, Yang Song, Song Wenling, et al. Prediction of wintertime northern hemisphere blocking by the NCEP climate forecast system[J]. Journal of meteorological research, 2014, 28(1): 76-90. |
[16] |
李天然.华南冬半年降水对ENSO循环的不对称响应[D].北京: 中国气象科学研究院, 2013 http://cdmd.cnki.com.cn/Article/CDMD-85101-1013212445.htm
|
[17] |
刘长征, 杜良敏, 柯宗建, 等. 国家气候中心多模式解释应用集成预测[J]. 应用气象学报, 2013, 24(6): 677-685. DOI:10.3969/j.issn.1001-7313.2013.06.004 |
[18] |
林美静, 范可, 王会军. 西北太平洋区域纬向风垂直切变的气候特征研究[J]. 气象学报, 2010, 68(3): 309-314. DOI:10.3969/j.issn.1004-4965.2010.03.007 |
[19] |
庞昕, 吴洪宝. 赤道低平流层纬向风垂直切变与ENSO变率的关系[J]. 南京气象学院学报, 2002, 25(1): 62-68. DOI:10.3969/j.issn.1674-7097.2002.01.008 |
[20] |
朱乾根, 林锦瑞, 寿绍文, 等. 天气学原理和方法(第四版)[M]. 北京: 气象出版社, 2000: 541-550.
|
[21] |
李崇银. 厄·尼诺影响西太平洋台风活动的研究[J]. 气象学报, 1987, 45(2): 229-236. |
[22] |
何敏, 龚振淞, 徐明, 等. 高低层纬向风异常与西北太平洋热带气旋生成年频数关系的研究[J]. 热带气象学报, 2007, 23(3): 277-283. DOI:10.3969/j.issn.1004-4965.2007.03.010 |
[23] |
陈官军, 魏凤英, 巩远发. NCEP_CFS模式对东亚夏季延伸预报的检验评估[J]. 应用气象学报, 2010, 21(6): 659-670. DOI:10.3969/j.issn.1001-7313.2010.06.003 |
[24] |
刘罗曼. 用主成分回归分析解决回归模型中复共线性问题[J]. 沈阳师范大学学报(自然科学版), 2008, 26(1): 42-44. DOI:10.3969/j.issn.1673-5862.2008.01.012 |