2. 安徽省气象科学研究所 安徽省大气科学与卫星遥感重点实验室,合肥 230031;
3. 安徽省寿县国家气候观象台,寿县 232200;
4. 福建省气象台,福州 350001
2. Anhui Key Lab of Atmospheric Science and Satellite Remote Sensing, Hefei 230031;
3. Shouxian National Climatology Observatory, Shouxian 232200;
4. Fujian Meteorological Observatory, fuzhou 350001
江淮地区位于我国东部,地处南北气候过渡带,是我国两个主要降水带之一。区域内对流活动频繁,它所带来的雷电、冰雹、龙卷和大风等灾害天气具有持续时间短、强度大、突发性强等特点,给我国人民生命安全和经济发展带来了很大威胁[1-3]。因此对影响江淮地区对流系统进行研究,对于减少因灾害天气对我国所造成的损失具有较高的现实意义和经济意义。
20世纪80年代以来, 国内外利用静止卫星红外云图资料对中国及周边地区开展了较多的对流系统(Convection system,简称CS)普查工作,取得了很多成果。Miller与Fritsch[4]对西太平洋的中尺度对流复合体(Mesoscale Convective Complex,简称MCC)进行了普查,但MCC只占CS的一小部分,不能反映CS分布的全貌。Laing等[5]对世界上MCC在5个大环境区,即非洲、澳大利亚、中国、南美洲和美国的平均生成环境进行了研究。但这些结果尚不足以代表CS时空分布的全貌,特别是在其结果中,我国东部广大地区MCC的数量非常少,不符合我国的实际情况。国内也开展了多个地区的CS的普查工作,李玉兰等[6]和项续康等[7]分别对1983—1986年我国西南和华南地区、1989— 1993年我国南方地区的MCC作了普查,由于资料分辨率限制,其研究都只得到了少数个例。陶祖珏等[8]、马禹等[9]和郑永光等[10]对我国CS普查中,都表明江淮地区是对流活动的多发带。曾波等[11]根据形状特征进一步统计分析2008—2010年夏季我国中东部地区各类MCS的特征。刘瑞翔等[12]利用FY-2D逐小时TBB资料对2007—2013年夏季江淮地区不同组织形式MCS的时空分布特征做了对比分析。
总体来看,目前针对江淮地区CS的研究工作主要集中在对江淮本地CS的个例分析和普查上,没有对所有能影响江淮地区的CS进行普查和研究其总体特性。因而运用长时间序列的卫星资料对影响江淮地区的CS做更全面的普查工作,研究不同源地CS的特征,这对于理解此类天气系统的本质以及降低暴雨洪涝危害都有着积极的意义,也是本文研究的重点。本文使用ISCCP的深对流路径跟踪资料,对1998—2007年这10 a间影响江淮地区CS的时空分布和不同源地CS的参数特征进行了统计分析,以期获得更具代表性的统计结果,为该地区强对流天气预报提供参考。
1 数据和方法使用ISCCP中的深对流路径跟踪资料数据集(Convection Tracking Database,简称CT),该数据集主要是对移动性CS的移动变化进行追踪,一个CS对应一个数据集,每个数据集提供时间采样间隔为3 h、系统半径大于90 km的CS宏观特性和云物理特性等41个参数,含对流系统生成时间、位置、半径大小、内嵌的最大CC位置及其半径、移向移速及系统内部特征等。
数据集以5颗静止卫星(5颗卫星分别为GOE、GOW、GMS、MET、INS)的多通道数据为数据源,首先进行云区识别,在此基础上进行CS的识别和跟踪,并得到相应的物理量参数。具体方法和标准如下:
首先,利用红外通道(11 μm附近)和可见光通道(0.6 μm附近)的辐射亮温信息和反照率信息,来进行云区和晴空的识别和分离。像素定义为云区或晴空后,辐射测量结果就可以和考虑了大气,地表和云影响辐射传输模式计算结果作对比。大气,地表和云的属性在模式中可以用大量物理特征量表示,但由于数据的有效性和卫星两波长的辐射率限制了参数量,所以将云的影响从相关数据中提取出来,将其归于两个云参数:云顶温度和云光学厚度,其他参数取气候平均值。对于云区,通过卫星观测结果和辐射传输模式输出结果的对比(假定像素完全为云覆盖),进而判定云参数,即云顶温度和云光学厚度(仅白天),以此建立ISCCP DX数据集[13, 14]。
其次,在ISCCP DX数据集的基础上,通过CS的识别和跟踪,来建立CT数据集。其分析方案与Machado[15]设计的方案相似,1)以云顶亮温TBB < -28 ℃为标准,识别出对流云系,即CS;2)以云顶亮温TBB < -52 ℃为标准,识别出CS的对流云中心,即CC。
最后,采用Maehado[16]提出的方法来实现CS的跟踪。主要判定规则为:1)以CS尺度大小与其生命史呈正的线性相关关系、生命史6 h的CS平均半径为150 km、生命史每增加1 h则CS平均半径增加约6 km为标准,判定云图间隔时间是否小于相应尺寸CS的时间上限。2)判定前后时次两个CS的重叠部分,计算重叠度(重叠度为共同覆盖面积与前后时次两个CS中面积较大者的比例)。这一过程,需要对所有可用候选CS进行计算,选取重叠度最大的候选CS作为跟踪出的结果。3)当CS在跟踪过程中与所有候选CS之间的重叠度均小于15%时,认为该CS已消亡,完成跟踪。
将CS数据集中第一个时次的CS中心点位置作为该CS的源地,将影响江淮地区CS按源地划分为5个区域(图 1),分别记作西北(NW)区域(29°N以北,114°E以西)、东北(NE)区域(35°N以北,114°E以东)、中心(MID)区域(29°—35°N,114°—120°E)、西南(SW)区域(29°N以南,120°E以西)和东南(SE)区域(35°N以南,120°E以东)。
本文对1998—2007年10年共120个月的深对流路径数据进行统计分析,提取出不同季节影响江淮地区5个源地的CS共1 188个(表 1),其中春季为3—5月,夏季为6—8月,秋季为9—11月及其冬季为12月—次年2月。
综合分析表 1和图 1可以发现影响江淮地区的CS绝大多数生成于我国大陆地区,其中NW区域为CS的最大起源地,其数目占总量的42.51%,集中分布在青藏高原东部地区及我国中部地区。该区域位于盛行西风带,受西风的影响,该区域产生的CS一般从西往东移动,进而影响江淮区域,同时高原地形地势的阻断,高原西部的CS却很难东移影响江淮。江淮区域本地即图中MID区域生成的CS数目较多,分布最为密集,占此类CS总量的40.82%,是第二大起源地。其次生成CS数目较多的起源地为WS区域,其数目占CS总量的比例为11.53%,该区域位于亚洲季风区,在西南气流和复杂地势的共同影响下,CS随山脉地形分布明显且往西北移动,影响江淮区域。其他源地区域产生的CS较少,其中NE区域CS分布稀疏,越往北,CS数目越少,其数目占总量的3.96%。SE区域地形以海洋为主,CS数目最少,仅占总数的1.18%,主要集中分布在我国沿海区域。
2.2 CS季节变化特征为了进一步研究CS的季节分布特征,在源地CS空间分布的基础上,给出了CS源地季节分布图(图 2)。综合表 1和图 2可以看出影响江淮地区的CS季节变化显著。
春季CS以MID区域为中心,呈横向带状分布,主要集中在20°—40°N之间的大陆地区,青藏高原东部为CS第二大发源地;而西太平洋海域几乎不存在能影响到江淮的CS。
夏季CS数目总体有所上升,各源地变化存在差异,其中MID区域CS数目明显增加,密度约为春季的两倍;NE和SE区域CS数目也存在大幅度上升,而夏季是海洋上空出现的CS的最主要季节;NW和SW区域的CS数目则有所减少;总的来看CS分布仍呈现以MID区域为核心的带状分布特点。
秋季开始,各类源地的CS数目均开始大量减少至最低值,总数仅占全年CS数目的15.24%,其源地继续以MID、NW区域为主,呈东西带状分布;SW区域存在较多的大尺度对流。
进入冬季以后,总的CS数目较秋季略有上升,增加的CS主要来自NW区域,其余几个区域仍是CS低值区,其分布特征基本不变。
综合来看,影响江淮地区的CS主要集中生成在春夏两季,以夏季居多,占总量的35.86%,秋冬两季较少;MID、NE和SE区域生成的CS数目受季节变化影响较其余区域更为显著。
3 CS特征参数的概率分布ISCCP的对流路径追踪资料提供了关于CS特征的参数,可以用于分析对流系统的初识时间、生命周期、形状、中心位置及其半径、内嵌最大CC的位置、对流系统的移向、移速、最低云顶亮温、系统内部云团特征等。表 2给出了5个源地的CS的最大水平尺度、生命史、最大对流比、CC数目、云温度梯度和汇合次数6个参数的平均值。图 3给出了CS的6个特征参数概率分布。
最大水平尺度为CS等效圆直径的大小,是表示对流系统大小参数。从图 3a来看,MID区域CS最大水平尺度的概率随其数值的增大先迅速增大,400 km后迅速减小,800 km后下降趋势趋于平缓,其平均值在5个区域中最小,约为766 km;NW区域CS最大水平尺度集中在400~800 km之间,800 km以上比例较少;SE区域CS数量较少,但其平均值最大约为1 040 km。其余区域的CS最大水平尺度概率分布则较为相似,概率总体随尺度变大而减小。
生命史反应了CS从生成、发展到消散的时间。从图 3b可以看出各类区域CS生命史概率密度曲线的走势趋近相同,生命史的概率分布波动较大,生命史短的系统所占比重均明显高于生命史长的系统,随着生命史长度的增加其所占的比重迅速下降,大部分CS生命史在50 h以内,当生命史长度超过50 h以上时,其所占比重趋于稳定少变,存在小部分生命史超过200 h的CS。MID区域的CS生命史表现最为明显,同样其平均值也为最小,约32 h。
对流比是CC面积与CS面积的比值,对流比越大表明对流云发展越旺盛。从图 3c来看,中尺度对流系统的最大对流比概率分布较为平均,绝大多数CS的最大对流比小于80%,存在极少数最大对流比超过80%,表明这些对流系统上升运动较为剧烈。
对流云团(CC)数目表示CS中包含CC的个数,CC数目越多表明CS内部对流云团个数越多。从图 3d来看,NW和MID区域CS包含CC数目概率密度曲线的走势趋近大致相同,CC数目总体呈波动下降趋势,CC数目越少,所占比例越高,在40个以内的概率下降较快,其后随着数目增加,概率变化较为平缓,CC最大数目在50个以上;而NE和SE区域CC数目概率密度曲线的走势也大致相同,概率随CC数目先增加,再减少,最后又增加,且最大数目均小于60个。而SW区域CS包含的CC数目的最大值最高,其概率随数目的增加先增加,数目超过40个附近迅速降低。
水平云温度梯度表示最低云顶温度到最高云顶温度之间的温度差和距离的比值。在CS相同尺度下,其值越大,表明该对流云的云体比较陡峭,垂直气流强。从图 3e中看出,CS的平均云温度梯度相差不大,其分布呈现南高北低特征,NW、MID和SW区域CS的水平云温度梯度峰值小于0.2 K·km-1,概率分布左右较为对称,总体水平云温度梯度偏小;NE区域CS的水平云温度梯度峰值大于0.2 K·km-1,最大水平云温度梯度小于0.3 K·km-1,且总体水平云温度梯度偏小;SE区域CS的水平云温度梯度峰值大于0.2 K·km-1,最大水平云温度梯度均大于0.35 K·km-1,总体水平云温度梯度偏大。
汇合次数表示在移动过程中多个CS发生合并的次数。在CS发展过程中,对流云发生汇合的次数的多少受其生命史和路径影响。从图 3f中看出,CS发生合并的次数的概率总体上随着其数值的增大而迅速减小,其中MID区域是影响江淮区域CS的主要产生地,生命史较短的CS数目较多,约57%的CS在发展过程中并不发生汇合。NW和SW区域中的CS受生命史和路程影响,不发生汇合的情况发生最多;SE区域汇合一次的CS概率最大,其概率为40%左右,最大汇合次数达8次。NE区域汇合一次的CS概率最大,其概率同样约为42%,最大汇合次数仅为4次。
4 梅雨期CS特征参数的概率分布梅雨是东亚季风区夏季典型的天气和气候现象,是从我国江淮流域一直到日本南部,每年6—7月常常出现的一段持续的、大范围的、降水次数较频繁的连阴雨天气。陶诗言等[17]研究指出,梅雨锋上暴雨的直接制造系统往往是中尺度对流系统。吕梅等[18]结合副热带高压进退过程,分析了小尺度对流系统的演变特征。以东亚夏季风是否活跃为标准,覃丹宇等[19]获得了从1998—2008年梅雨在江淮地区建立和撤退的日期,本文以此时间段为江淮梅雨期,提取了深对流路径追踪资料中影响江淮的CS共110个,分析梅雨期内影响江淮CS的特征。
图 4给出了梅雨期内影响江淮CS参数的概率分布,可以看出此类CS的最大水平尺度概率随其数值的增大先增大后减小,其平均值约为830 km;CS的生命史平均值约为52 h,其概率随其数值的增大迅速减小,50 h后趋于平缓,80%以上CS生命史小于50 h,存在为数不多生命史大于200 h的CS;CS的最大对流比的平均值为40%,其概率分布大致以50%为中心,往两边呈递减趋势;CS的CC数目概率同样随其数值的增大迅速减小,每个CS平均约有13个CC;CS的水平云温度梯度概率分布存在峰值,其值大于0.2 K·km-1,左右分布较为对称;汇合次数的概率也是随其数值增大而减小。
梅雨是一个天气尺度的系统,梅雨锋通常是由多个对流云团生消演替而形成的,主要以中尺度系统为主。而其他的样本里面包含有小尺度的对流,所以梅雨期里面的对流系统的尺度肯定要比其他时期的大。综合来说,梅雨期内江淮地区对流活动发生频繁,CS的水平尺度大,生命史长,存在数目较多CC。
5 不同源地CS特征差异的可能成因分析从分析统计结果来看,不同源地影响江淮地区CS的时空分布和参数特征存在明显差异,其原因可能与气候背景与地形地貌的共同作用有关。
(1) NW区域中CS数目最多,主要集中在青藏高原东部及我国中部地区。我国中部地区产生的CS生命史短,包含的CC数目较少,发展过程中几乎不发生汇合现象。高原东部地区产生的CS生命史较长,包含CC数目较多,汇合次数基本多于1次。其原因在于NW区域中青藏高原生成的CS受西风带影响在东移过程中,地势从西往东逐渐降低,而对流系统从地势高向地势低传播时,会有增强趋势[20]。
(2) NE区域中纬度地区的CS受东北冷涡等来自中、高纬度天气系统的影响,主要产生在春冬两季。MID区域的CS数目较多且分布密集,每年6月末到7月初受副热带高压影响,江淮进入梅雨期,冷暖空气交汇频繁,利于MID区域CS的生成发展。8月后副热带高压加强西伸,抑制了MID区域CS的生成,这表明CS的生成与大尺度的天气系统的影响是密不可分的。
(3) SW区域地形复杂多变,山脉众多,CS随地势分布特征明显。该区域位于南亚季风区,在西南气流引导下,对流活动较为旺盛。
(4) SE区域以海洋地形为主,CS主要分布在我国东部沿海地区,在副热带高压控制下,在西太平洋海域上几乎不存在CS能北上江淮。
(5) ISCCP深对流路径跟踪资料中,为得到更多的对流系统,降低了判别的阈值,使用云顶亮温TBB < -28 ℃来识别CS。与TBB < -32 ℃阈值的结果相比,一方面ISCCP中会将-32 ℃≤TBB≤-28 ℃的层云区识别为对流系统的一部分,从而导致云区面积的增大。另外,由于选用了较低的阈值,也就能够识别那些云顶亮温在-32 ℃~ -28 ℃之间的弱对流或初生对流,使得跟踪结果中包含了处于初生或消散阶段的对流(-32 ℃≤TBB≤-28 ℃的对流),从而得到了对流系统更长的生命史。
6 结论利用ISCCP的CT数据库,提取出1998—2007年共10 a间影响江淮地区的CS进行统计,按其生成地的不同分为5个区域,对CS的时空分布和各个源地CS参数特征进行了总结分析,主要结论如下:
(1) 影响江淮地区的CS大多生成于江淮本地及我国中西部地区,源地在海洋的CS数目远远小于陆地。CS分布以MID区域为中心源地,呈现中心密集,四周稀疏的带状分布特点,越靠近江淮区域CS越为密集。影响江淮地区的CS数目季节变化显著,主要集中生成在春夏两季,秋冬两季较少。MID、SE和SN区域生成的CS数目受季节变化影响较其余区域更为显著;SE区域中海洋上空CS数目在夏季明显增多,而春季则是NW区域高原地区CS的高发期。此外,梅雨期内江淮地区对流活动频繁,CS的水平尺度大,生命史长,内部存在数目较多的CC。
(2) 不同源地CS的参数特征不尽相同,总体来说CS的水平尺度越大,其生命史、CC数目及水平云温度梯度也越大。其中MID区域CS平均水平尺度、生命史和CC数目均为最小,约57%的CS在发展过程中不发生汇合;SE区域CS生命周期以中长周期为主,水平尺度、最大对流比和云温度梯度的平均值最大,存在较多的CC,约70%的CS在发展过程中发生汇合,对流活动旺盛;NW区域和SW区域参数特征大致相同,大部分CS生命史小于80 h,水平尺度、云温度梯度和包含CC数目的平均值高于MID区域,低于SE区域,约40%的CS在发展过程中不发生汇合;NE区域CS的水平尺度、生命史及CC数目总体偏小,云温度梯度总体偏大。
[1] |
洪毅, 李玉柱, 陈智源, 等. 2006年6月10日浙江飑线FY-2C卫星云图特征[J]. 气象, 2007, 33(9): 47-51. DOI:10.3969/j.issn.1000-0526.2007.09.007 |
[2] |
孙虎林, 罗亚丽, 张人禾. 2009年6月3-4日黄淮地区强飑线天气过程成熟阶段特征分析[J]. 大气科学, 2011, 35(1): 1-16. |
[3] |
陈静静, 叶成志, 陈红专, 等. 10·6"湖南大暴雨过程MCS的环境流场特征及动力分析[J]. 暴雨灾害, 2011, 30(4): 313-320. DOI:10.3969/j.issn.1004-9045.2011.04.004 |
[4] |
Miller D, Fritsch J M. Mesosceale convective complexes in the western pacific region[J]. Mon Wea Rev, 1991, 119(12): 2978-2992. DOI:10.1175/1520-0493(1991)119<2978:MCCITW>2.0.CO;2 |
[5] |
Laing A G, J M Fritsch. The large-scale environments of the global populations of mesoscale convective complexes[J]. Mon Wea Rev, 2000, 128: 2756-2776. DOI:10.1175/1520-0493(2000)128<2756:TLSEOT>2.0.CO;2 |
[6] |
李玉兰, 王婧嫆, 郑新江, 等. 我国西南-华南中尺度对流复合体(MCC)的研究[J]. 大气科学, 1989, 13(4): 417-422. DOI:10.3878/j.issn.1006-9895.1989.04.05 |
[7] |
项续康, 江吉喜. 我国南方地区的中尺度对流复合体[J]. 应用气象学报, 1995, 6(1): 9-17. |
[8] |
陶祖珏, 王洪庆, 王旭, 等. 1995年中国的中-α尺度对流系统[J]. 气象学报, 1998, 36(2): 166-176. DOI:10.3321/j.issn:0577-6619.1998.02.004 |
[9] |
马禹, 王旭, 陶祖钰. 中国及邻近地区中尺度对流系统的普查和时空分布特征[J]. 自然科学进展, 1997, 7(6): 701-706. DOI:10.3321/j.issn:1002-008X.1997.06.010 |
[10] |
郑永光, 陈炯, 朱佩君. 中国及周边地区夏季中尺度对流系统分布及其日变化特征[J]. 科学通报, 2008, 53(4): 471-481. DOI:10.3321/j.issn:0023-074X.2008.04.015 |
[11] |
曾波, 谌芸, 肖天贵. 我国中东部地区夏季MCS统计分析[J]. 气象, 2013, 39(2): 180-185. |
[12] |
刘瑞翔, 丁治英, 孙凌光, 等. 夏季江淮地区中尺度对流系统的统计特征分析[J]. 暴雨灾害, 2015, 34(3): 215-222. DOI:10.3969/j.issn.1004-9045.2015.03.003 |
[13] |
Rossow W B. International Satellite Cloud Climatology Project (ISCCP) description of new cloud datasets[M]. WMO/td737 World Climate Research Programme, 1996: 115.
|
[14] |
Rossow W B, R A Schiffe. Advances in understanding clouds from ISCCP[J]. Bull Amer Meteor Soc, 1999, 80: 2261-2287. DOI:10.1175/1520-0477(1999)080<2261:AIUCFI>2.0.CO;2 |
[15] |
Machado L A T, Rossow W B. Structural characteristics and radiative properties of tropical cloud clusters[J]. Mon Wea Rev, 1993, 121: 3234-3260. DOI:10.1175/1520-0493(1993)121<3234:SCARPO>2.0.CO;2 |
[16] |
Machado L A T, W B Rossow, R L Guedes, et al. Life cycle variations of mesoscale convective systems over the Americas[J]. Mon Wea Rev, 1998, 126: 1630-1645. DOI:10.1175/1520-0493(1998)126<1630:LCVOMC>2.0.CO;2 |
[17] |
陶诗言, 倪允琪, 赵思雄, 等. 1998年夏季中国暴雨的形成机理与预报研究[M]. 北京: 气象出版社, 2001: 184.
|
[18] |
吕梅, 邹力. 2007年梅雨期副热带高压进退特征与对流系统演变[J]. 暴雨灾害, 2010, 29(1): 1-6. DOI:10.3969/j.issn.1004-9045.2010.01.001 |
[19] |
覃丹宇, 黄勇, 李博, 等. 梅雨锋云系的模态研究Ⅰ:主导模态[J]. 大气科学, 2014, 38(4): 700-718. |
[20] |
Yu R, Zhou T, Xiong A, et al. Diurnal variations of summer precipitation over contiguous China[J]. Geophysical Research Letters, 2007, 34(1): 223-234. |