2. 中国气象科学研究院灾害天气国家重点实验室,北京 100081;
3. 河北省气象与生态环境重点实验室,石家庄 050021;
4. 中国气象局气象干部培训学院,北京 100081
2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, BeiJing 100081;
3. Hebei Eeo—environmental Monitoring Laboratory, ShiJiazhuang 050021;
4. China Meteorological Administration Training Centre, BeiJing 100081
大风是京津冀地区主要的灾害性天气之一,特别是5—9月(暖季)频出的雷暴大风,由于其突发性和局地性强而有别于系统性大风,预报难度更大。雷暴大风具有很强的破坏性,据河北省民政厅统计的资料显示:2009年7月23日傍晚到夜间的雷暴大风猛烈袭击河北南部电网,造成多处线路倒塌、跳闸、大面积停电。2012年7月26日的雷暴大风造成石家庄地区10个县(市)57个乡镇39.9万人受灾,农作物受灾面积达57.53万亩,倒损房屋102间,直接经济损失达1.7亿元。另据付桂琴等[1]的统计,在所有自然灾害中,由大风造成电力设施损坏的占总灾害的68%,大风灾害致电网安全事故每年高达43起,其中6 —8月大风灾害致电网安全事故占全年大风灾害总数的83%。可见,雷暴大风给工农业生产和人们的生活带来极大影响。
以往气象工作者对雷暴大风天气已经有了较广泛的研究,并得到一些有意义的结论:京津冀地区暖季(5—9月)大风发生的气候概率高达42.3%,高于短时强降水和冰雹[2];雷暴大风的地域性特征明显,且有明显的日、月、年变化特征[3];产生雷暴大风主要有三种方式[4]:对流风暴的下沉气流到达地面的强辐散、移动风暴的高空水平动量下传,阵风锋的推进和过境,上升气流对低空暖湿气流的抽吸作用;对影响雷暴大风的天气形势可从不同角度进行分类[5-8];有利于北京雷暴大风形成的探空结构和环境条件为[5, 9]:底层暖湿、中高层干冷,风垂直切变较大,下沉气流不稳定性较大且低层温度直减率较大。许多成果对于进一步研究雷暴大风和提高其预报预警准确率奠定了良好的基础。如环境影响风暴结构的物理图像[10];华北地区雷暴大风潜势预报方法[8, 11];长椭圆形强对流云带易导致区域性雷暴大风出现[12];弓形回波和中层径向辐合对地面灾害性大风具有指示作用[13-15],垂直积分液态水含量VIL的阈值可作为大风的预警指标[16];对流性地面大风自动识别方法[17]等等。但目前针对京津冀雷暴大风多角度系统性的统计分析比较少见,本文从时空分布、影响的天气系统、物理参数及对流风暴四方面对京津冀的雷暴大风进行了统计分析,以期对此类灾害性天气的深入研究提供借鉴。
1 资料与方法京津冀雷暴大风出现的频次和日数的气候特征统计,选取1984—2013年1—12月河北省142个观测站、北京20个测站、天津14个测站中同日出现雷暴和风速大于等于17 m·s-1的站点日数资料;京津冀雷暴大风日变化统计和个例分析的选取,采用2006—2013年5—9月的重要天气报告资料。个例选取原则为:京津冀地区若3 h内3站以上出现大于等于17 m·s-1大风且本站或附近有雷暴发生时,记为一次雷暴大风过程;京津冀范围6 h内出现8站以上大于等于17 m·s-1大风且测站或附近有雷暴发生,记为一次区域性雷暴大风过程。
在分析区域性雷暴大风的物理量参数特征时,物理量选取遵循以下3条原则:(1)能够反映雷暴大风的特征;(2)各物理量之间尽量相互独立;(3)可应用于日常业务。物理量计算均采用NCEP 1°×1°逐6 h再分析资料,计算的物理量时间在雷暴大风发生之前6 h内,空间上选取最靠近的格点,使物理量指标与天气更接近,有效弥补常规高空探测资料时空分辨率不足的问题。天气系统的分析以NCEP 1°×1°的高空资料和MI⁃ CAPS地面图资料为主,高空探测资料为辅。雷达资料源自京津冀地区7部多普勒天气雷达(石家庄、北京南郊、秦皇岛、沧州、天津、承德和张家口,其中后两部为C波段,其余为S波段)和河南安阳多普勒天气雷达(S波段)产品。
2 雷暴大风天气的时空分布特征 2.1 雷暴大风天气的空间分布京津冀地区具有复杂的地形地貌,主要由高原、山地和平原组成,其中还有一些盆地。高原位于西北部,燕山自西向东、太行山自北向南呈半圆形围绕平原,呈西北高向东南低逐级下降的地形[18]。图 1给出1984—2013年京津冀年均雷暴大风日数的空间分布,从中可见,雷暴大风天气年均日数最大值中心位于北京西北部山区,年平均达16 d,其次是天津沿海地区,年平均为10 d,此外,张家口西北部地区也较多,年平均6~7 d。雷暴大风天气日数最小值位于京津冀东北角和东南角。这种分布可能与北京西北部山区的复杂地形、天津及其沿海地区受海风影响有关、也可能与冷空气路径有关,因为影响京津冀地区的冷空气多为西北路径,其次是西路,张家口西北部在洋河、桑干河盆地地形狭管效应作用下[18],雷暴大风较多;平原大部分地区雷暴大风日数较少,与北部山地、太行山对冷空气的屏障作用有关[18]。
从1984—2013年雷暴大风日数随时间的演变(图略)分析可知,总趋势是随时间震荡减少。但2010— 2013年变化较小相对稳定,1990年出现日数最多,达102 d,2009年出现最少,仅42 d。
2.3 雷暴大风天气的旬月分布图 2a给出1984—2013年京津冀雷暴大风年平均日数的旬分布,从中可见,雷暴大风天气最早开始于3月中旬,之后逐渐增加,5月下旬大幅度增加,6月下旬最多,达每旬6.0 d,7月上旬开始逐渐减少,最晚结束于11月上旬。5月下旬至8月上旬,为一年之中多发期,每旬均在5.0 d左右;6—7月份是雷暴大风发生最多的月份(图略),分别为16.3 d和16.2 d,其次是5月份和8月份,分别为10.5 d和11.8 d。以上分布特征与春末夏初冷空气活跃、夏季西南暖湿急流明显北上(34°—60°N) [18]和大气层结不稳定度增强利于对流风暴的发展有关。
图 2b给出2006—2013年暖季京津冀雷暴大风年平均频次的日变化,从中可见,京津冀雷暴大风天气的日变化特征明显,主要出现在12—22时(北京时,下同),共发生176次,其中14—20时为高峰期,极值出现在18时,达到27次之多。03—08时是一天中出现最少的时段,其中05—07时基本未出现雷暴大风。这主要由于太阳辐射的日变化带来气温的日变化造成,午后到傍晚是一天中热力条件和不稳定条件最佳的时段,最有利于风暴的形成和发展,故雷暴大风最多;夜间至凌晨,热力条件明显不足,风暴多难以形成和发展,故雷暴大风最少。
3 区域性雷暴大风的物理量参数特征根据2006—2013年暖季资料共统计出区域性雷暴大风过程58例。为全面表征雷暴大风的物理量特征,围绕强对流天气发生所需的水汽、不稳定、抬升触发等基本条件,计算了表征水汽、不稳定、热力及动力的各类物理量及不稳定指数共计53个,引入统计学中常用的中位数、最大值、最小值以及25%、75%分位数,挑选与雷暴大风关系最密切的物理量进行了分月统计。
3.1 不稳定条件K指数是最常用的表征大气稳定度的指数之一,常用于暴雨、强对流天气的诊断分析。图 3a给出2006—2013年暖季区域性雷暴大风个例K指数的月分布,从中位数来看,5月以后K指数呈增大趋势,8月达最大,中位数超过36 ℃,9月开始下降;25%~75%分位数各月均较集中,5月在21~30 ℃之间,7月最集中,在33~37 ℃之间,8月数值仍较大,在30~40 ℃之间;整体来看7—8月K指数最大,但极端最大值出现在6月,数值接近45 ℃,同时K指数的变化幅度也是最大,这可能与天气系统有关。6月冷空气活动极其频繁,雷暴大风多与冷空气沿西北气流南下、高空冷涡活动有关,同时下垫面增暖最强,容易出现极端的K指数。由于K指数包含了500 hPa、700 hPa和850 hPa温度和露点,因此计算了850 hPa与500 hPa温差以及925 hPa与700 hPa假相当位温之差,分别代表单纯的热力不稳定和对流性不稳定。从850 hPa与500 hPa温差中位数和25%~ 75%分位数各月分布来看(图略),5月份二者温差最大,之后逐渐减少,7—8月最小,二者温差一般不足30 ℃,9月又开始增大。假相当位温表征温度、气压、湿度的一个综合物理量,对于干绝热、湿绝热、假绝热过程均具有保守性。当其随高度减小时,说明大气是位势不稳定的,从925 hPa与700 hPa假相当位温之差中位数和25%~75%分位数各月分布来看(图略),5—6月份对流性不稳定均较弱,7—8月迅速增大,8月二者之差的中位数接近15 ℃,9月以后对流不稳定性开始减小。综上分析可知,发生的雷暴大风过程,5、6月份以单纯的热力不稳定为主,7、8月份热力不稳定条件减弱但对流不稳定性增强,9月份两者兼具。
图 3b给出2006—2013年暖季区域性雷暴大风个例0—3 km风垂直切变的月分布,从中可见,出现雷暴大风的天气垂直风切变随月份呈先减小再增大的趋势。5月份中位数接近12 m·s-1,这可能与季节背景有关,5月份冷暖空气均很活跃,当冷空气较强时,中层风较大,容易形成较大的风切变;6月份风垂直切变迅速减小,75%不足10 m·s-1;7月最小,绝大部分不足10 m·s-1;8月又开始增大,此时副热带高压(以下简称副高)位置最北,当其西侧有低值系统东移时,副高西到西北侧容易形成偏南风低空急流,带来较大的垂直风切变;9月风垂直切变继续增大,但整体仍小于5月。
0—6 km风垂直切变情况(图略),也是随月份呈先减小再增大的趋势,与0—3 km垂直切变趋势类似,只是量级大5 m·s-1左右。
3.3 能量条件局地强风暴一般与强烈的下沉气流相伴,下沉对流有效位能(以下简称DCAPE)是定量表征下沉气流强度的物理量,DCAPE越大,地面可能出现的雷暴大风越强。图 3c给出2006—2013年暖季区域性雷暴大风个例DCAPE的月分布,从中可见,各月的差别不是很明显,5月相对较小,中位数在1 150 J·kg-1左右,其他各月75%以上均在1 000 J·kg-1以上,可见当DCAPE超1 000 J·kg-1时,各月出现雷暴大风的可能性均较大。大风指数反映了中低层温、湿特性对地面大风可能产生的共同作用,相比而言,其月变化特征明显(图略),25%~75%分位数,5月在15~21之间,6月迅速增大到21~28之间,7月在27~33之间,8月最大在29~35之间,9月减小为20~27之间。
4 影响雷暴大风的天气系统根据2006—2013年暖季资料共筛选出雷暴大风117例,根据雷暴大风发生当天的天气背景和影响系统,对个例进行综合分析(20时以后发生的个例使用20时实况资料)并进行分类。
雷暴大风天气的范围越大、出现的站数越多,灾情就越严重。为了能够体现雷暴大风影响的范围,本文在研究过程中对雷暴大风个例从干湿情况、高空影响系统以及地面气压场形势三方面进行了分类统计分析,综合统计分析结果表明,以高空形势为主加上地面冷锋进行分类,对于体现雷暴大风出现数量的差异性最为明显,按照这样的思路,分析如下:根据高空500 hPa天气形势和地面形势,将影响京津冀的雷暴大风天气分为西北气流型、低涡型、低槽型、副高型和冷锋型5种类型,分型原则为:(1)京津冀有冷锋过境仅按冷锋型统计(大风出现于锋前暖区或冷锋过境时);(2)排除(1)的情况,京津冀有584 dagpm或588 dagpm线通过或处于两588 dagpm线之间时,仅按副高型统计(大风一般出现于副高边缘;(3)排除(1)、(2)的情况,105°— 130°E、40°—53°N范围内有低涡活动(包括低涡低槽、涡后西北气流和涡底部偏西气流,其中90%以上个例在110°—125°E、41°—50°N之间),仅按照低涡型统计;(4)排除(1)、(2)、(3)的情况,京津冀为西南气流控制,有西来槽东移时按低槽型统计;(5)排除(1)、(2)、(3)的情况,京津冀为西北气流控制时(冷空气沿西北气流下滑),按照西北气流型统计(包括横槽下摆、脊前西北气流)。
图 4给出京津冀雷暴大风天气分型的形势图,表 1给出京津冀2006—2013年暖季各类型雷暴大风的统计结果。分析可知:(1)西北气流型是雷暴大风个例数最多的天气类型,共出现38例,占总个例的32%。其中,6月份出现最多,达20例,明显高于其他月份。其次为7、5月份,而8、9月份最少。(2)低涡型是雷暴大风个例数次多的天气类型,共出现30例,占总个例数的26%。其中,6、7月份出现较多,分别为12和14例,而8、9月份均未出现。(3)低槽型共出现21例,占总个例数的18%。其中,6、7月份出现最多,分别为6例和7例,而5月份最少,仅1例。(4)副高型共出现16例,占总个例数的14%。主要出现在7、8月份,均为7例,其他月份则出现很少,5月份未出现,此时副高脊线尚处于我国华南。(5)冷锋型是雷暴大风个例数最少的天气类型,共出现12例,占总个例数的10%。冷锋型6月份出现最多,为5例,8、9月份出现较少。以上各种类型的共同特点是,当天08—20时,京津冀有冷槽,850 hPa或925 hPa一般有暖脊或暖中心配合,大风临近时地面一般有切变或辐合、850 hPa或925 hPa多有切变存在。
从各类型个例数所占当月总个例数的比例可知(表 1),5月份西北气流型和低涡型所占比例最高,均为33%,其次是冷锋型,为25%,副高型未出现。6月份西北气流型所占比例最高,为46%,其次是低涡型,为27%,副高型所占比例最低,仅2%;7月份低涡型所占比例最高,为36%,其次为西北气流型,为23%,冷锋型所占比例最少,仅为5%;8月份副高型比例最高,为50%,其次为西北气流型和低槽型,均为21%;9月份低槽所占比例最高,为50%,其次为西北气流型,为25%。这种分布与5、6、7三个月冷空气活动相对频繁,8月份副高在京津冀最为活跃[19],9月份京津冀受西风带低值系统影响有关。
由各类型雷暴大风天气出现的平均站数(表略)分析可知,由多到少依次为冷锋型17站,低涡型13站,西北气流型11站,低槽型、副高型均为9站。
表 2给出各类型区域性雷暴大风过程发生站数分级统计的百分率,从中可见,对于n≥8站的级别,冷锋型和低涡型出现的百分率最高,分别达67%和70%,其次是副高型47%和西北气流型50%,低槽类明显较少,为24%;对于n≥15站的级别,各个类型的百分率从高到低依次为冷锋型50%、低涡型33%、西北气流型28%、副高型19%、低槽型14%;对于n≥20站的个例,冷锋型42%明显高于其他类型。
选取2007—2013暖季(2006年资料缺失过多)京津冀地区雷达资料齐全的对流性大风天气过程共计83例。根据对多普勒雷达产品的观测分析,并参照愈小鼎等[9]对对流风暴的分类,对个例进行分类统计(2011年6月7日按南、北2个过程分别统计),基本分为单单体风暴、多单体风暴、飑线、超级单体风暴、弓形(或带状)回波5种类型。分类原则为:(1)多单体风暴含飑线按飑线统计,飑线内含弓形回波或超级单体的仅按飑线统计;(2)排除飑线,多单体风暴含超级单体按超级单体风暴统计,多单体即含超级单体又含弓形回波的按弓形回波统计(因为仅有一例多单体风暴中的超级单体是含在弓形回波中的);(3)多单体风暴含弓形(或带状回波)按弓形回波统计。带状回波按照弓形回波统计(带状回波仅出现1例且含在多单体风暴中,因其产生的大风较多但又不够飑线标准,故放在弓形回波中统计)。
5.1 对流风暴发生的雷暴大风过程和站数统计图 5给出2007—2013年京津冀暖季产生雷暴大风的对流风暴比例及其大风过程的平均站数,从中可见,就出现雷暴大风过程的比例(图 5a)而言,所选个例中,多单体风暴出现最多,占40%,其次是飑线,占36%,弓形(或带状)回波占10%,超级单体风暴占8%(均包含于多单体风暴中),单单体风暴仅占6%。就雷暴大风过程平均站数而言(图 5b),飑线17站,为最多,超级单体13站,次之,弓形回波11站,多单体风暴9站,单单体最少,仅为5站。此外,通过对各类型区域性大风的分级统计显示,飑线和超级单体风暴出现区域性雷暴大风的几率最高,且级别越高,飑线的优势越明显。
表 3给出2007—2013年暖季产生雷暴大风的对流风暴的月平均分布,从中可见,单单体风暴仅出现在6月份,共5例,占当月总个例的17%。多单体风暴各月均有出现,7月份最多,为13例,占当月总个例的46%;6月份8例,占当月总个例的28%;5、8月份虽然出现较少,但占当月的比例较高,分别达67%和42%。飑线7月份最多,达13例,占当月总个例的46%,所占当月比例与多单体风暴并列第一;其次是6月份较多,为8例,占当月总个例的28%,所占当月比例与多单体风暴并列第一;虽然9月份仅出现3例,但占当月总个例的60%,为最高;在5月份出现最少,仅2例,但占当月总个例的22%,为次高。超级单体风暴仅出现在6、7、8三个月,占当月总个例的比例均不超过17%;6月份最多,为4例。弓形回波(或带状)6月份最多,为4例,其他月份均为1例,占当月总个例的比例均不超过20%。
对京津冀地区雷暴大风天气的时空分布、物理量及引发雷暴大风的天气系统和对流风暴进行分析,得出以下结论:
(1) 雷暴大风日数的空间分布基本为北多南少,北京西北部山区、京津冀沿海地区以及西北部高原较多,其他地区相对较少。近30 a雷暴大风日数随时间演变的总趋势是振荡减少。
(2) 雷暴大风天气最早开始于3月中旬,最晚结束于11月上旬,5月下旬至8月上旬,为一年之中的多发时期,6月下旬达到顶峰。6、7月份是雷暴大风天气发生最多的月份。
(3) 雷暴大风天气的日变化特征明显,14—20时为高峰期,高峰极值出现在18时。
(4) 对于区域性雷暴大风的产生,5、9月份需要的K指数、大风指数和DCAPE值较小,而需要的850 hPa与500 hPa温差、风垂直切变值较大;6、7、8月份需要的K指数、大风指数和和DCAPE值较大,而需要的850 hPa与500 hPa温差、风的垂直切变值较小。
(5) 西北气流型、低涡型产生的雷暴大风日数最多。产生的雷暴大风各类型天气系统的月分布与冷暖空气活动有关;冷锋型和低涡型产生的雷暴大风平均站数最多、出现区域性雷暴大风天气的几率最高,且大风出现站数的级别越高,冷锋的优势越明显。冷锋和低涡均属于大尺度天气系统,且动力条件优越,这说明雷暴大风的范围与影响系统的尺度和强度有关。
(6) 产生雷暴大风的对流风暴中,多单体风暴出现最多,其次是飑线;且飑线出现雷暴大风的平均站数最多,其次是超级单体风暴;强风暴飑线、超级单体风暴出现区域性雷暴大风的几率最高,且级别越高,飑线的优势越明显,这说明风暴的强弱与大风范围有关。
综上所述,对京津冀雷暴大风的预报预警可从几方面着手:分析未来影响系统的移动方向、垂直配置和环境物理条件是否有利于雷暴大风的发生;再根据影响系统的类型、尺度及时间,判断雷暴大风可能发生的范围、时间,做出雷暴大风短期预报;根据对多普勒雷达产品的实时观测,判断风暴的类型、强度、面积以及移动方向和速度,做出雷暴大风发生的具体位置、时间、范围的临近预警。对于雷暴大风天气的统计,本文的研究工作还不够深入、全面,如天气学分类的立体模型、对流风暴发展各个阶段大风出现的情况以及大风临近时各种雷达参数的表现等,有待更进一步研究。
本文在成稿过程中得到河北省气象台同仁匡顺四、尚可、秦坚肇的帮助,谨致谢忱。[1] |
付桂琴, 曹欣. 雷雨大风与河北电网灾害特征分析[J]. 气象, 2012, 38(3): 353-357. |
[2] |
闵晶晶. 京津冀地区强对流天气特征和预报技术研究[J]. 兰州大学, 2012, 21. |
[3] |
周贺玲, 张绍恢, 杨艳. 河北廊坊雷暴大风的气候特征[J]. 干旱气象, 2014, 32(4): 588-592. |
[4] |
俞小鼎. 强对流天气临近预报[M]. 北京: 中国气象局培训中心, 2011: 4-7, 55-59.
|
[5] |
廖晓农. 北京雷暴大风日环境特征分析[J]. 气候与环境研究, 2009, 14(1): 54-62. |
[6] |
张文龙, 王迎春, 崔晓鹏, 等. 北京地区干湿雷暴数值试验对比研究[J]. 暴雨灾害, 2011, 30(3): 202-209. DOI:10.3969/j.issn.1004-9045.2011.03.002 |
[7] |
杨晓霞, 胡顺起, 姜鹏, 等. 雷暴大风落区的天气学模型和物理量参数研究[J]. 高原气象, 2014, 33(4): 1057-1067. |
[8] |
严仕尧, 李昀英, 齐琳琳, 等. 华北产生雷暴大风的动力热力综合指标分析及应用[J]. 暴雨灾害, 2013, 32(1): 17-23. |
[9] |
秦丽, 李耀东, 高守亭. 北京地区雷暴大风的天气气候学特征研究[J]. 气候与环境研究, 2006, 11(6): 754-762. DOI:10.3969/j.issn.1006-9585.2006.06.010 |
[10] |
王秀明, 周小刚, 俞小鼎. 雷暴大风环境特征及其对风暴结构影响的对比研究[J]. 气象学报, 2013, 71(5): 839-852. |
[11] |
廖晓农, 于波, 卢丽华. 北京雷暴大风气候特征及短时临近预报方法[J]. 气象, 2009, 35(9): 19-28. |
[12] |
方琳, 郑永光, 林隐静, 等. 导致区域性雷暴大凤天气的云型分类及统计特征分析[J]. 气象, 2014, 40(8): 905-915. |
[13] |
俞小鼎, 姚秀萍, 熊廷南, 等. 多普勒天气雷达原理与业务应[M]. 北京: 气象出版社, 2006: 90.
|
[14] |
吴涛, 张火平, 吴翠红. 一次初夏强对流天气的弓形回波特征分析[J]. 暴雨灾害, 2009, 28(4): 306-312. DOI:10.3969/j.issn.1004-9045.2009.04.004 |
[15] |
王珏, 张家国, 王佑兵, 等. 鄂东地区雷雨大风多普勒天气雷达回波特征[J]. 暴雨灾害, 2009, 28(2): 143-146. DOI:10.3969/j.issn.1004-9045.2009.02.008 |
[16] |
东高红, 吴涛. 垂直积分液态水含量在地面大风预报中的应[J]. 气象科技, 2007, 35(6): 877-881. DOI:10.3969/j.issn.1671-6345.2007.06.024 |
[17] |
李国翠, 刘黎平, 张秉祥, 等. 基于雷达三维组网数据的对流性地面大风自动识别[J]. 气象学报, 2013, 10(9): 1160-1171. |
[18] |
河北省气象局. 河北省预报员手册[M]. 北京: 气象出版社, 1987: 12-13.
|