2. 陕西省宝鸡市气象局,宝鸡 721000;
3. 河北省文安县气象局,文安 065800
2. Baoji Meteorological Bureau of Shanxi Province, Shanxi 721000;
3. Wenan Meteorological Station of Hebei Province, Wenan 065800
短时强降水(雨强大于等于20 mm·h-1)是华北地区最严重的灾害性天气之一,廊坊地处华北平原中部,每年夏季短时强降水会给当地人民的生产生活造成重大影响。许多学者对短时强降水做了大量研究工作,韩宁等[1]对中国西部陕甘宁三省的短时强降水时空分布进行研究表明,7—8月是短时强降水的多发期,且在7月下旬和8月中旬出现了两个峰值。王国荣等[2]分析北京夏季短时强降水指出,其多发于午后到前半夜,西山山前及城区是高发区。吴滨等[3]分析福建省的短历时暴雨特征认为,沿海暴雨月际分布呈双峰型,峰值在6月和8月。郭凌曜等[4]开展湖南短时强降水的气候特征分析指出,其在春季夜间和夏季白天发生频率较高。上述研究成果表明,从西北内陆到东南沿海,短时强降水具有明显的地域特征。因此要了解廊坊的短时强降水特点,需在借鉴前人研究方法的基础上,结合地理位置、地形等因素分析本地降水资料,进行深入探讨。
近年来,随着卫星、天气雷达、风廓线仪等探测资料的广泛应用,对短时强降水发生、发展机理的研究上升到了新的高度。魏东等[5]应用微波辐射计、风廓线仪等新型探测资料分析北京一次对流性暴雨的天气结构特征指出,吹向迎风坡的风速与降水强度之间存在正反馈过程。郑媛媛等[6]利于常规气象资料、卫星以及NCEP再分析等多种资料,分析不同大尺度环流背景下的强对流天气指出,槽前类的强对流天气中低层存在急流,风速的水平切变和垂直切变大,此类型主要导致短时强降水、雷雨大风等天气。孙继松等[7]利用多普勒雷达资料分析“7.21”北京暴雨的回波特征认为,第一阶段降水发生在“列车效应”出现的背景条件下。郭圳勉等[8]利用区域自动站和NCEP再分析资料分析2011年广东南部一次连续性强降雨过程指出,华南强降水与低空急流的强弱变化有较好的对应关系。樊李苗等[9]对探空资料进行研究认为,纯粹的短时强降水较其它强对流天气的环境参数偏小。徐双柱等[10]研究武汉暴雨过程中的雷达组合反射率因子后指出,反射率因子强度大于等于45 dBz对应强降水。在众多的研究中也有将强降水的临近预报作为重点,如李德俊等[11]对比分析了发生在恩施山区强冰雹和短时强降水天气的雷达产品,把组合反射率中心强度、垂直累积液态水含量VIL密度分别达43.0 dBz和1.1 g·m-3等条件作为短时强降水临近预警指标。俞小鼎[12]综述了短时强降水主观临近预报的思路和方法,给出雨强和降水持续时间这两个要素在雷达回波上的表现。
以上研究成果不仅从多方面探究了短时强降水的形成原因和发展机理,也为预报员利用雷达判断和识别强降水提供了理论依据,但在实际预报业务中除了定性判断,还需要具体的定量指标。虽然很多研究通过天气个例的成因分析也获得了一些适用于当地的预报指标,但个例分析往往受样本数量和地理位置差异等影响,有一定的特殊性,因此所得结论无法直接应用于本地的强降水预报业务中。针对上述问题,本文选取了2005—2013年9 a发生在廊坊市的短时强降水样本,通过对降水过程前后物理量场、雷达回波特征的分析,来探讨对预报预警有指导意义的定量化指标,以期提高廊坊市短时强降水临近预报预警的准确率。
1 资料和方法所用资料的时间段为2005—2013年。降水资料来源于廊坊市9个国家级气象观测站(图 1);天气形势分析使用中国气象局下发的MICAPS资料;物理量特征分析使用美国NCEP 1°×1°逐6 h再分析资料,对其做平均处理,以分析在强降水过程中物理量的普遍特征;雷达产品数据取自于天津雷达,因天津多普勒雷达布设于滨海新区,距离廊坊约100 km左右,廊坊既位于其有效探测范围内,同时探测距离相对合适。
本文短时强降水定义为雨强大于等于20 mm·h-1的降水,统计时段内廊坊市共出现107个短时强降水过程,站次数为251个。为研究不同强度降水特征,定义雨强范围20~50 mm·h-1为一般性短时强降水,共计223个站次;≥50 mm·h-1的为剧烈短时强降水,共计28个站次;定义自动站数大于等于2站小于等于8站的短时强降水为区域性短时强降水。将1 d中任意时次出现了短时强降水的日期定义为一个短时强降水日,≥20 mm·h-1雨量发生的整点1 h内定义为短时强降水发生时。为了解降水强度的空间分布气候特征,将各县(市)全部短时强降水站次小时降水量的平均值定义为短时强降水的平均强度,具体计算方法如下:
$ P = \left( {\sum\limits_{i = 1}^n {{r_i}} } \right)/n $ | (1) |
式(1)中,ri为小时降水量,n为短时强降水出现站次。
2 短时强降水时空分布特征为了解廊坊短时强降水天气不同时间尺度的气候特征,图 1给出2005—2013年短时强降水的年、月和日变化特征。从短时强降水的年际变化(图 1a)可见,一般性短时强降水呈现波动上升的趋势,在此期间表现出以2 a为周期的震荡,2012年开始呈下降趋势,但剧烈短时强降水因2012年“7.21”特大暴雨在该年份而出现突增,明显多于近年来的其它年份。从短时强降水的月变化(图 1b)可见,廊坊市的短时强降水出现在4—9月,其中4月和5月分别在大城和永清出现1次,此后出现的站次迅速增加,在7月达到全年之最,占所有短时强降水的54%,8月和9月呈递减的趋势。总体而言,各月份短时强降水的分布规律是7月最多,以其为中心向前后迅速递减,4月和5月发生频率较低,仅为0.4%,10月至次年3月全市均无短时强降水出现。从短时强降水的日变化(图 1c)可见,16时—次日02时(北京时,下同)是短时强降水的最高发时段,其中22时频率出现跃增现象,最大频率达到10%;次高发时段出现在12—14时,该时段最大频率为4%。可见,廊坊短时强降水存在着明显日变化,傍晚到前半夜以及午后高发,而上午和下午14—16时发生频率相对较低。
为进一步探讨廊坊市短时强降水发生频率和强度的空间特征,图 2给出2005—2013年全市短时强降水平均强度空间分布和发生频率。廊坊地处华北平原北部、京津两大城市之间,地形地貌平缓单一,基本以平原为主;北部的三河、大厂和香河三个县(市)被京津包围,市辖区(标注为“廊坊”)与固安、永清位于中部,霸州、文安和大城三个县(市)位于南部。从图 2a可见,短时强降水的平均强度整体特点为从中部向南北递减,最强的区域集中在廊坊中西部的固安、永清和霸州等地,平均强度约达到35 mm·h-1,而三河和文安、大城的平均强度相对偏小。由图 2b可见,廊坊市9个县(市)中市辖区出现短时强降水的频率最高,占全市短时强降水总频率的14.3%,9 a间共发生36次,其它站点发生次数超过30次、频率在12%~14%之间的县(市)是三河、永清和大城,分别位于廊坊市的北部、中部和南部。可见,在单一地貌特征背景下,廊坊市的短时强降水没有明显的地域特点,就一般性短时强降水的发生频率来看,廊坊市辖区最多,为12.6%,香河最少,为6.9%,而固安因2012年“7.21”特大暴雨,出现剧烈强降水频率为全市之最,永清、霸州次之,文安未出现,全市剧烈强降水年均发生3站次。
对2005—2013年廊坊短时强降水日高空500 hPa形势进行天气学分析,可按影响系统分为4种类型:低槽型、西风环流型、低涡型和高压脊型。图 3给出这4种类型的短时强降水500 hPa高度合成场,从中可见,低槽型(图 3a)的特点为,亚欧大陆中高纬有西风槽东移,当槽线越过河套,位于山西中部至晋冀交界一带时,廊坊处于槽前西南气流中,此类型出现比例最多,达到45%。在西风环流型(图 3b)的特点是,500 hPa上廊坊位于偏西气流中,环流比较平直,上游及本地无明显波动形成,该类型比例为35%。我国东北地区有低涡维持,廊坊正处低涡的西南象限时,为低涡型(图 3c),该类型比例为14%。当河套到渤海为高压脊,廊坊位于脊前西北气流中时,为高压脊型(图 3d),该类型比例为6%,在这种环流背景下发生的强降水易出现漏报情况,值得深入研究。
郝莹等[13]、Brooks等[14]研究指出,短时强降水发生时,大气水汽充沛、湿层深厚,可使云粒子在降水系统的下沉气流里较少被蒸发,以保证高降水效率,同时湿空气的迅速上升也是降水强度维持的重要前提,因此,选取比湿和垂直速度两个物理量作为分析对象,可以较为直观的反映短时强降水形成所需的水汽和垂直上升运动条件。表 1为短时强降水发生时700 hPa平均比湿q700、850 hPa平均比湿q850、整层大气最大垂直速度Wmax及其所在等压面高度Hmax,从中可见:(1)在短时强降水天气发生时,q700和q850分别达6.9 g·kg-1和11.9 g·kg-1。对于一般性短时强降水,q700和q850略小,而剧烈短时强降水时q700达7.4 g·kg-1,q850达13.5 g·kg-1。在短时强降水发生区域,最大q850达17.4 g·kg-1。可见,降水强度越强,低层比湿越大。(2)在短时强降水天气发生时,Wmax可达到-2.3×10-5 hPa·s-1,Hmax为480 hPa。其中在一般性短时强降水过程中,Wmax为-2.1×10-5 hPa·s-1,Hmax为470 hPa附近。而剧烈短时强降水过程中Wmax为-2.9×10-5 hPa·s-1,且其Hmax下降,位于500 hPa附近。
为分析Hmax与雨强的关系,图 4给出两者的相关系数,从中可见,当Hmax为500 hPa和600 hPa时,与雨强的相关系数分别为0.423和0.425,随着等压面高度的降低未出现明显变化;当Hmax下降至700 hPa时,相关系数增大至0.557,随着Hmax进一步下降,800 hPa时相关系数继续增大至0.623,但当其降至900 hPa以下时,与雨强的相关性出现了下降。
一般来说,风向交角愈接近或小于90°且切变后风速较大,切变线上的辐合上升运动也较强,容易产生雷暴天气[15]。图 5给出短时强降水发生时850 hPa的风场特征,从中可见,造成廊坊短时强降水的低空风场大致可分为4种类型。图 5a为低空急流伴有南北向切变线型,其特点是有较强的低空急流自华中地区伸向华北中东部,廊坊位于急流轴附近,且存在近南北向切变线由西向东经过。图 5b为低空急流伴有东西向切变线型,其特点为切变线是近东西向,位置基本从河北中部穿过。图 5c为无切变线但低空急流显著型,即廊坊附近虽分析不出明显切变线,但伸向华北中部的强低空急流携带充沛的水汽,在急流轴附近强烈上升,在大尺度环流背景下形成强降水。图 5d为台风低压外围型,该类型主要是由于从东南沿海登陆我国的台风移动路径偏西北,加之登陆后低压仍较强,使河北中部受到其外围蕴含较大能量和充沛水汽的东南气流影响。进一步对选取个例进行统计分析可知,分别有41%和45%的短时强降水过程中,华北中部不仅有低空急流,还分别出现了明显的南北向和东西向的切变线,其它过程虽分析不出明显的切变,但有11%仍伴有强盛的低空急流。可见,高达97%的个例中出现低空急流,说明暖湿平流的输送加强了层结不稳定性,触发了不稳定能量的释放,此外有3%的个例受到从东南沿海登陆的台风影响,廊坊处于其外围的东南暖湿气流中,进而产生强降水。
利用2005—2013年天津多普勒雷达产品,通过对降水时段反射率因子回波形态和演变方式的分析,得到造成廊坊市短时强降水过程的雷达反射率因子模型(图 6),从中可见,造成廊坊短时强降水的雷达回波,基本为强单体风暴或多单体风暴弥合加强成的带状或片状积云或积层混合云回波。按照影响方式可分为3种类型:(1)移入型,可分为一般移入型(图 6a)和“列车效应”移入型(图 6b)。一般移入型表现为位于上游的降水回波随着高空引导气流移入本地,可造成单站或区域性的强降水,其特点是持续时间相对较短,1 h降水一般持续在4~6个体扫内。“列车效应”移入型表现为回波内伴有“列车效应”出现,即沿着高空引导气流的方向,有两个以上的对流单体侧向排列,回波传播的方向与排列方向夹角较小,在移动过程中相继影响同一地区,容易造成连续性的强降水,而且可达到暴雨强度。(2)合并加强型(图 6c)表现为外地移入的回波进入影响地区后,受中小尺度系统辐合影响,其回波与本地块状回波聚合,加强为超级单体,特点是回波强度较强,而且停滞时间较长。(3)本地发展型(图 6d)表现为受环境流场汇合影响,局地迅速生成对流云团,点状回波在短时间内扩大为块状回波。此类回波生成发展速度快,一般降水范围较小,而且持续时间较短,但由于其突发性和局地性强,回波强度也较强,预警的提前时间小,因此常给降水地区造成的影响也较大。另外,造成区域性强降水多为移入型或合并加强型。
雷达反射率因子的强度变化和形态特征,与雨强有较好的相关性,为定量研究反射率因子的变化特征,归纳总结适用于预报的具体指标,图 7给出2005—2013年短时强降水开始前1 h至发生过程中1 h天津雷达1.5°平均反射率因子强度变化。从中可见,在强降水开始前1 h,反射率因子的平均值可达到35 dBz以上;随着强降水的临近,反射率因子维持在35~40 dBz之间;在强降水发生的1 h内,在前30 min左右,反射率因子仍能达到33~35 dBz;但在40 min后,强度逐渐减小至30 dBz左右;在强降水时段的最后6 min,虽然反射率因子出现突增现象,但这种现象是因为2012年“7.21”特大暴雨和几次连续性短时强降水使得均值上升。因此,在剔除该特殊个例后,认为短时强降水反射率因子强度变化的普遍规律是:在强降水开始前的1 h,反射率因子已出现了明显增大,平均强度可达到37 dBz;强降水开始时,反射率因子仍会维持一个较高的水平;但在30 min后,反射率因子会出现下降,平均强度在34~35 dBz之间,相对于强降水发生前的1 h有所下降。
综上分析可知,在短临预报中可根据反射率因子的变化特征,来判断强降水的发生,当雷达强回波的覆盖范围不大时,回波强度逐渐减小至30 dBz以下,也预示着降水强度减弱,但当强回波范围大且移速缓时,则预示着连续性强降水的发生。
4.3 垂直累积液态水含量特征分析垂直累积液态水含量VIL反映了降水云体在确定底面区域上垂直柱体内的液态水总量,可用于识别显著风暴单体位置和强度,从而对强降水做出科学的判别。分析2005—2013年廊坊短时强降水过程中垂直累积液态水含量VIL特征可知(图略),当出现一般性短时强降水时,平均VIL值为29.7 kg·m-2;当出现达到剧烈短时强降水时,平均VIL可增大到43.3 kg·m-2,最大值可达63.1 kg·m-2。另外,26.5 kg·m-2和36.9 kg·m-2分别为出现一般性和剧烈短时强降水的最小VIL值,可作为小时降水量预报的临界阈值参考。
4.4 个例分析以2013年7月1日廊坊三河和大厂发生的短时强降水天气过程为例,分析雷达产品特征。图 8给出2013年7月1日强降水过程前后不同时次天津雷达1.5°仰角反射率因子,图 9为当日三河和大厂短时强降水雨强变化。从中可见,16时左右(图 8a),较强的回波单体在通州和三河的交界处生成,此时强回波中心范围小,强度在30~50 dBz之间,且VIL也在10 kg·m-2以下(图略)。在其东移影响三河的过程中,50 dBz的范围逐渐扩大(图 8b),至17时(图 8c),超级回波单体已覆盖三河中东部,中心强度达55 dBz,VIL达25 kg·m-2 (图略)。随后该回波减弱,但位于大厂北部的对流回波单体加强,并向东北方向移动(图 8d)。17时42分(图 8e),强回波再次影响三河市区,使得17—18时的雨强仍有64 mm·h-1(图 9),18时后(图 8f),超过50 dBz的强降水超级单体范围缩小,强度也减弱。18时18分(图略),回波中心强度已减弱至40 dBz以下,19时以后,回波已移出三河,降水强度也由最强时的67 mm·h-1降至2 mm·h-1(图 9)。“列车效应”的出现也是此次三河形成连续短时强降水的重要原因。
何军等[16]利用NCEP再分析资料分析低空急流在强降水过程中的作用指出,降水量随急流上西南风的增大而增加,但由于短时强降水生成、发展速度快,持续时间短,NCEP逐6 h资料很难捕捉到其影响系统的演变。风廓线资料的时间分辨率达到6 min,可较清楚地描述风向、风速随时间和空间的不连续变化。另外,低空西南风的强度及出现高度、时间,对强降水的发生重要意义。图 10给出由雷达风廓线资料得到的短时强降水开始前后高空西南风风速和所在最低高度的变化,从中可见,当强降水开始前2 h,高空最低西南风的高度在3—3.5 km,风速在8 m·s-1左右。随着强降水的临近,西南风高度不断降低,在强降水开始前的1 h内高度为2.5—3 km,且风速增大至12 m·s-1。较大的降水强度集中在16时20分—16时35分、16时45分—17时15分、17时40分—17时55分和18时00分—18时15分这4个时段内,对比高空西南风发现,当西南风的高度在2—2.5 km时,风速为10~12 m·s-1;当西南风的高度降至1.5 km、风速增大至12~18 m·s-1时,也可出现短时强降水。在风廓线图上表现为随着强降水的临近,西南风高度降低,当降至1.5 km左右且风速增大时,有强降水发生。
通过上述分析,可初步总结出短时强降水反射率因子和风场的临近预报指标:当反射率因子强度和VIL分别达到35 dBz和26.5 kg·m-2以上时,降水强度达到20 mm·h-1以上的概率极大;同时风向的转变对回波有引导作用,且强盛的西南气流利于水汽的持续供给,700—850 hPa西南风的出现及其大小对降水回波的移动方向和雨强有明显影响,即垂直方向上1.5—3.0 km之间南风向西南风的转换和风速的变化,对强降水的短临预报有较好的指示意义。
6 结论与讨论(1) 2005—2013年,廊坊9个县(市)中,市区出现短时强降水的频率最高,中西部固安、永清和霸州等地的降水强度最强;年际分布表现为以2 a为周期振荡波动;4—9月均有发生,7月达到全年之最,以其为中心向前后迅速递减;短时强降水日变化明显,傍晚至前半夜高发,上午和下午14—16时发生频率相对较低。
(2) 短时强降水的500 hPa影响系统主要有4种类型:低槽型、西风环流型、低涡型和高压脊型,其中低槽型出现的比例最高。
(3) 短时强对流天气发生时,700 hPa、850 hPa平均比湿分别达到6.9 g·kg-1和11.9 g·kg-1,整层大气最大垂直速度为-2.3×10-5 hPa·s-1,最大垂直速度所在等压面高度为480 hPa。
(4) 造成廊坊短时强降水的雷达回波有移入型、合并加强型和本地发展型3种,区域性短时强降水的雷达回波多为移入型或合并加强型。在强降水开始前1 h,反射率因子的平均强度可达35 dBz以上,随着强降水临近,反射率因子维持在35~40 dBz之间。垂直方向上1.5—3.0 km之间南风向西南风的转换和风速的变化,对强降水的临近预报有较好的指示意义。
本文综合运用常规观测、雷达资料以及NCEP 1°×1°逐6 h的再分析资料对廊坊短时强降水过程进行了统计分析,得出了一些可用于本地降水预报预警业务的指标,但短时强降水多为大尺度背景下局地中小系统所造成,因此要了解其发生发展机理,还需在今后的预报业务中利用风廓线雷达、加密自动站等高时空分辨率资料进一步探究。
[1] |
韩宁, 苗春生. 近6年陕甘宁三省5—9月短时强降水统计特征[J]. 应用气象学报, 2012, 23(6): 691-701. DOI:10.3969/j.issn.1001-7313.2012.06.006 |
[2] |
王国荣, 王令. 北京地区夏季短时强降水时空分布特征[J]. 暴雨灾害, 2013, 32(3): 276-279. DOI:10.3969/j.issn.1004-9045.2013.03.012 |
[3] |
吴滨, 文明章, 李玲, 等. 福建省不同短历时暴雨时空分布特征[J]. 暴雨灾害, 2015, 34(2): 153-159. DOI:10.3969/j.issn.1004-9045.2015.02.007 |
[4] |
郭凌曜, 章新平, 廖玉芳, 等. 湖南短时强降水气候特征[J]. 灾害学, 2013, 28(2): 76-80. DOI:10.3969/j.issn.1000-811X.2013.02.016 |
[5] |
魏东, 杨波, 孙继松. 北京地区深秋季节一次对流性暴雨天气中尺度分析[J]. 暴雨灾害, 2009, 28(4): 289-294. DOI:10.3969/j.issn.1004-9045.2009.04.001 |
[6] |
郑媛媛, 姚晨, 郝莹, 等. 不同类型大尺度环流背景下强对流天气的短时临近预报预警研究[J]. 气象, 2011, 37(7): 795-801. |
[7] |
孙继松, 何娜, 王国荣, 等. 7.21"北京大暴雨系统的结构演变特征及成因初探[J]. 暴雨灾害, 2012, 31(3): 218-225. |
[8] |
郭圳勉, 黄先伦, 陈洁雯, 等. 广东阳江一次强降水过程的成因分析[J]. 暴雨灾害, 2012, 31(3): 272-279. |
[9] |
樊李苗, 俞小鼎. 中国短时强对流天气的若干环境参量特征分析[J]. 高原气象, 2013, 32(1): 156-165. |
[10] |
徐双柱, 吴涛, 王艳. 2010年7月7—15日湖北省持续性暴雨分析[J]. 暴雨灾害, 2012, 31(1): 35-43. DOI:10.3969/j.issn.1004-9045.2012.01.006 |
[11] |
李德俊, 唐仁茂, 熊守权, 等. 强冰雹和短时强降水天气雷达特征及临近预警[J]. 气象, 2011, 37(4): 474-480. |
[12] |
俞小鼎. 短时强降水临近预报的思路与方法[J]. 暴雨灾害, 2013, 32(3): 202-209. DOI:10.3969/j.issn.1004-9045.2013.03.002 |
[13] |
郝莹, 姚叶青, 郑媛媛, 等. 短时强降水的多尺度分析及临近预警[J]. 气象, 2012, 38(8): 903-912. |
[14] |
Doswell Ⅲ C A, Brooks H E, Maddox R A. Flash flood forecasting:An ingredients-based methodology[J]. Weather Forecasting, 1996, 11: 560-581. DOI:10.1175/1520-0434(1996)011<0560:FFFAIB>2.0.CO;2 |
[15] |
朱乾根, 林锦瑞, 寿绍文, 等. 天气学原理和方法[M]. 北京: 气象出版社, 2007: 439.
|
[16] |
何军, 刘德, 李晶, 等. 低空急流在重庆2010年"6.7"低能暴雨中的作用[J]. 暴雨灾害, 2012, 31(1): 52-58. DOI:10.3969/j.issn.1004-9045.2012.01.008 |