2. 江西省气象台, 南昌 330096;
3. 江西省气候中心, 南昌 330096;
4. 江西省生态气象中心, 南昌 330096
2. Jiangxi Meteorological Observatory, Nanchang 330096;
3. Jiangxi Climate Center, Nanchang 330096;
4. Jiangxi Ecologic Meteorology Center, Nanchang 330096
作为强对流天气的一种重要类型,小时降水量大于等于20 mm的短历时强降水具有降水集中、强度大的特点,易造成城市内涝、农田积水,尤其在地质条件脆弱区,更易带来泥石流、山洪、滑坡等地质灾害,给国民经济和人民生命财产造成巨大损失[1-2]。因此,加强短历时强降水研究,对提高强天气预报业务水平和开展气象防灾减灾服务具有重要意义。近年来,随着对降水过程精细化认知水平不断提升,国内在中国大陆或不同区域小时降水特征方面做了大量研究。Yu等[3-4]和李建等[5-6]先后研究了中国大陆小时降水强度的阈值、持续性与季节特征,指出华北地区、长江中下游地区、华南沿海地区和四川盆地西部为其髙阈值中心,西北地区其阈值偏低,华南降水峰值出现在下午,中东部地区降水呈双峰型,出现在清晨和午后;同时指出,长持续性降水峰值大多出现在夜间和清晨,而短持续性降水峰值多出现在下午或晚上。姚莉等[7]分析我国不同小时雨强的年平均发生频率、日变化、极端降水及空间分布特征指出,雨强的日变化具有明显的地区差异。王国荣等[8]分析北京短时强降水时空分布表明,北京地区短时强降水主要分布在山前及山前平原地区,降水峰值出现在午后到前半夜。熊明明等[9]分析指出,天津长持续时间(10 h以上)最大降水易出现在凌晨至清晨,短时降水(1~4 h)最大值易出现在傍晚至午夜。柳春等[10]研究了安徽省汛期不同日降水量级下的降水量、降水持续时间、降水频次和降水强度的日变化时空特征及其可能原因。段鹤等[11]通过对滇西南普洱、西双版纳短时强降水天气过程的研究,建立了三种短时强降水概念模型,并总结出相应的预警指标。
江西地处亚热带季风气候区,是洪涝灾害频发、多发省份之一[12]。尤其是短历时强降水带来的山洪地质灾害和城市内涝等灾害十分严重,如2010年6月19日06时—20日06时江西出现99站次短历时强降水,有21站次小时雨强超40 mm,其中8站次小时雨强超50 mm,最大小时雨强达61.5 mm,直接导致6月20日06时沪昆高速公路余江段损毁断裂约40余米。江西气象工作者从致洪暴雨天气的形势特征、成因及预报模型[13-14]等方面对当地强降水开展了较多研究,同时利用日降水资料序列分析了强降雨过程和极端降水的时空分布特征[15-16],但其多侧重于个例分析[17-18],尚缺乏利用逐时降水资料对江西短历时强降水时空分布特征的研究。因此,本文利用江西省近55 a小时降水量数据,分析江西短历时强降水的时空分布特征,同时分析短历时强降水与暴雨的联系,以期为江西短临预报预警服务提供技术支撑,继而为开展防洪防涝减灾气象服务提供参考依据。
1 资料与方法 1.1 资料来源本文所用资料为江西省气象信息中心提供的1961—2015年全省83个国家级气象观测站小时降水数据,该数据已通过人工审核。上述资料经质量控制后,各站数据缺测率在1%以下。另外,用逐时降水量计算逐日降水量(Rh),并与雨量筒观测的逐日降水量(Rd)进行比较,若满足|Rh-Rd|/Rd < 10%,则为有效降水资料,以此选出各站逐时降水资料供下文分析。
1.2 研究方法中国气象局《全国短时、临近预报业务规定》(气办发[2010]19号文)中规定: 1 h降水量大于等于20 mm的降水为短历时强降水。按照上述规定,将短历时强降水频次定义为出现小时强降水事件的次数。
本研究中采用的方法主要包括经验正交分解(EOF)、二项式系数加权平均[19]和Morlet小波变换等[20-21]。即:采用EOF对短历时强降水频次序列进行展开,分析江西短历时强降水的空间分布特征及其变化敏感区;用二项式系数加权平均法对短历时强降水年发生频次序列作11 a滑动平均;采用Morlet小波变换分析短历时强降水频次的周期特征。
为了分析短历时强降水与暴雨发生频次空间分布的异同,采用相似系数[22]定量表示短历时强降水与暴雨多年平均发生频次空间分布的相似程度,其计算式如下:
$ \cos \;\theta = \frac{{\sum\limits_{i = 1}^j {{x_i}{y_i}} }}{{\sqrt {\sum\limits_{i = 1}^j {x_i^2} } \sqrt {\sum\limits_{i = 2}^j {y_i^2} } }} $ |
其中,j为站数;xi、yi分别是第i站(空间点)的要素值;cosθ是两幅图相似程度的定量指标,cosθ=1(-1)时表示两幅空间图完全相同(相反),cosθ=0时表示完全不相似,其正值越大,图形越相似,反之,其负值越大,图形越相反。
2 江西短历时强降水的空间分布特征 2.1 短历时强降水极值图 1给出1961—2015年江西省83站短历时强降水极值的空间分布。从中看出,短历时强降水极值范围为54.8~147.3 mm·h-1,100 mm·h-1以上的区域主要分布于赣中的宜春市东南部至抚州市西北部一带,以及赣州市东南部、上饶市北部等地,其最大值出现在抚州市的崇仁站,达147.3 mm·h-1,最小值(54.8 mm·h-1)出现在铜鼓站。江西全省大多数台站近55 a都出现过70 mm·h-1以上的短历时强降水。
图 2为江西短历时强降水和暴雨多年平均发生频次的空间分布。从短历时强降水年平均频次图上可见(图 2a),其频次分布呈东多西少特征,高频区主要分布在赣东北的景德镇和上饶两市,低频区主要位于以吉安市为中心的赣西南地区;东部各站年均出现短历时强降水7~9次,西部各站年均4~7次。这种分布特点与江西省东、西、南三面环山和北面为鄱阳湖平原的“簸箕口”地形密切相关。此地形有利于冷空气与西南暖湿气流在江西东部交汇,且江西省东临武夷山、怀玉山等山脉,地形强迫抬升有利于产生凝结降水,而江西省西部地处罗霄山脉背风坡,空气下沉产生干绝热增温,不利于强降水发生[23-24]。在庐山(海拔高度1 280 m)附近存在一个孤立的高频中心,其年平均8.8次,可能与其受地形因素影响有关。
暴雨与短历时强降水是江西最主要的灾害性天气,两者既有联系又有区别,暴雨天气过程中大多会存在短时强降水,而短时强降水也往往会形成暴雨[25]。为了分析短历时强降水与暴雨空间分布的异同,对比分析暴雨与短历时强降水的年均频次分布(图 2b)发现,其频次的空间分布均呈“东北多、西南少”,两者的空间相似系数达0.98,表明其空间分布特征非常相似。其中,两者在赣东北较为一致,均为高频区,但强降水在抚州市西部、吉安市东部和赣州市东北部另有一高频区,而暴雨则无;两者低频区也有一定的差异,暴雨低频区主要位于赣州市西北部和吉安市南部,短历时强降水低频区则主要在新余市和吉安市西北部。
考虑到持续性短历时强降水和大于等于50 mm·h-1的强降水的致灾风险明显增大,定义持续时间在2 h以上的短历时强降水为持续性短历时强降水。统计1961—2015年江西各站持续性短历时强降水的累计时数和大于等于50 mm·h-1的短历时强降水的累计频次(图略)发现,两者均呈东部多、西部少的分布特征。持续性短历时强降水的累计时数有两个高值区,一个位于环鄱阳湖的南昌市和上饶市西部,另一个位于赣州市东北部和抚州市南部,累计均达70 h以上;低频区位于赣州市中部和吉安市西北部,其时数累计在30 h以下。≥50 mm·h-1的强降水高频区位于上饶西部、景德镇市和赣州市东北部,累计频次达17~22次。其中,鄱阳县和宁都县既是连续性短历时强降水中心,也是大于等于50 mm·h-1短历时强降水高频中心,成为江西强降水致灾风险较大区域。
EOF方法是揭示年际变率主导模态的基本途径之一,其优点在于它能对分布不规则的气象要素场进行时空分解,得到的各特征向量(空间模态和时间系数)相互正交,其中空间模态在一定程度上可反映要素场的空间分布特点,而时间系数(主要分量)描述场随时间的变化规律,展开后的时间系数可分析其年际变化特征,它不随空间而变[26]。EOF方法适用于长时间序列的分析,易将原始要素场的变化信息浓缩在前几个模态上,可最大限度表征气候变量场整个区域的变率结构,并较好地反映空间分布的异常特征,该方法常用于气象要素场时空变化特征规律研究。为了识别江西短历时强降水频次的主要空间变化模态,更好地揭示其空间异常特征,利用江西83站近55 a短历时强降水频次距平作EOF分析,得到其主要空间分布。表 1给出江西短历时强降水频次EOF分析中前5个特征向量的方差贡献。从中可见,前5个特征向量的累计方差贡献为53.3%,其中前2个特征向量通过0.05显著性水平蒙特卡洛检验,因此重点研究前2个特征向量场的空间分布特征(图 3)。
图 3显示,第1模态(图 3a)方差贡献为32.7%,其主要特征是全省空间分布均为正值,反映江西短历时强降水发生频次表现出全省变化一致性的特点。相比而言,浙赣铁路沿线附近地区载荷值较大,说明这些区域是江西短历时强降水发生频次年际变率的最大区域,最易出现异常,即为其频次变化异常敏感区。这可能与浙赣铁路沿线附近特殊地形有关,浙赣铁路位于武夷山脉北侧、怀玉山脉南侧,无论南风或北风都可能在其迎风坡激发出上升运动,在背风坡激发背风波或重力波,在水汽充沛的条件下易使浙赣铁路沿线附近出现降水[23]。而赣东南载荷值较小,则该区域短历时强降水频次不易发生异常,即为非敏感区。第2模态(图 3b)方差贡献为8%,载荷值零线贯穿宜春北部至抚州北部一带,赣北为正值区,赣中赣南为负值区,正、负值中心分别在上饶地区和吉安地区,且正负载荷向量绝对值一致,说明江西东北部与西南部短历时强降水呈反位相变化,与短历时强降水总频次东多西少的特点相对应。
3 江西短历时强降水的时间分布特征 3.1 短历时强降水频次年际、年代际变化图 4a为江西省短历时强降水频次的逐年演变曲线。从中看到,江西短历时强降水具有明显的年际和年代际变化特征,近55 a江西短历时强降水年平均发生6次,最多年份是1983、1998、2010和2015年,多达9次,1961—1964年最少,均为2次;近55 a短历时强降水频次呈线性增加趋势,增长率为0.84次·(10 a)-1,且通过0.001显著性水平检验,表明江西短历时强降水频次增加趋势非常明显。政府间气候变化专门委员会(IPCC)报告(2007)[27]指出,温度升高不仅直接影响温度极端值的变化,还导致暴雨洪涝等极端气候事件的发生频率与强度出现加剧趋势。为此,分析了江西短历时强降水年发生频次同年平均温度的相关性,二者的相关系数为0.32,并通过0.05显著性水平检验,这表明江西短历时强降水年发生频次与区域性增暖呈正响应关系。另外,从江西短历时强降水年发生频次11 a滑动平均曲线变化看(图 4a),1960—1990年代初期为强降水频次偏少阶段,1990年代中期至2015年为偏多阶段,其中20世纪末期至21世纪初为其短暂相对减少期。
利用Morlet小波变换分析江西短历时强降水频次的时频特征(图 4b)发现,短历时强降水频次存在明显的21 a和14 a左右的年代际尺度周期振荡,且稳定存在于1961—2015年整个统计时段。21 a时间尺度上,近55 a江西短历时强降水频次变化表现为3个多发期和3个少发期;14 a时间尺度上,短历时强降水频次变化表现为4个多发期和4个少发期,其最强周期信号出现在1970年至21世纪初。年际尺度周期变化主要为8 a左右,主要出现在1980年代中期之前。另外,年代际时间尺度近几年小波系数为正值(图 4b),预示当前和未来几年江西短历时强降水将维持偏多趋势。
3.2 短历时强降水月变化根据降雨量大小,本文将短历时强降水划分为20~<30 mm·h-1、30~<50 mm·h-1、≥50 mm·h-1三个等级,以此计算江西省不同等级短历时强降水各月频次及其占总频次的百分比,得到3个量级短历时强降水的月平均发生频次百分比,其结果见图 5。
由图 5可知,江西省短历时强降水主要出现在4— 9月,这6个月短历时强降水频次占其全年总频次的94.64%;6月短历时强降水频次最多,占26.21%,这与尹洁等[14]研究获得的江西省持续性强降雨6月最多的结论相一致。各月20~<30 mm·h-1量级短历时强降水频次最多,占其总频次的69.70%;其次为30~<50 mm·h-1量级,其频次占总频次的26.68%;≥50 mm·h-1量级的短历时强降水频次最少,仅占其总频次的3.62%。上述三个量级的短历时强降水频次均在6月出现峰值,其中20~<30 mm·h-1、30~<50 mm·h-1两个量级的短历时强降水频次以6月为中心呈单峰型。≥50 mm·h-1量级的短历时强降水频次呈双峰型,主峰区在6月,占同量级全年频次的26.52%,次峰区在8月,占25.69%。冬季(12月、1月和2月)江西未出现过大于等于50 mm·h-1量级的短历时强降水。
为了进一步分析江西短历时强降水与暴雨的关系,针对某站某时次短历时强降水,如果该站当天为暴雨日,则认为该短历时强降水造成当日暴雨。图 6为不同月份内短历时强降水导致暴雨的比率,平均有54.6%的短历时强降水造成了当日暴雨,其比率在春末夏初呈逐渐上升趋势,在6月份达到最大(68.2%),冬季比率降至最低,其中1月和12月仅分别为14.0%和20.0%,这种变化差异与各季节对流性条件关联较为密切。
图 7给出江西省全年1—12月份不同时次短历时强降水频次占全部短历时强降水总频次的百分比。从中看出,4—9月全天不同时次都有可能发生短历时强降水;4—7月短历时强降水出现时间呈双峰型,主峰区主要集中在13—20时,即午后到傍晚,其最高值出现在16—17时,次峰区位于05—07时;8—9月呈单峰型,峰区主要集中在13—20时。可见,午后到傍晚是江西短历时强降水的多发时段。究其原因,主要是短历时强降水以对流性降水为主,受太阳辐射影响,午后到傍晚下垫面温度较高,热力条件较好,不稳定能量增加,大气对流最为活跃,全年各月都有利于出现强对流天气,该时段也是我国强对流高发时段[28]。另一方面,受低层急流日变化影响,急流在凌晨会有所加强,同时4—7月为江西汛期,此期间水汽充足,更易造成暖湿大气层结不稳定,从而导致汛期凌晨成为另一短历时强降水峰值时段。
图 8为江西省上述3个量级短历时强降水频次百分率的日变化。从中看到,3个量级短历时强降水频次占比日变化趋势较为一致,主要呈现为一个主峰区和一个次峰区,主峰区主要集中在13—20时,其最大值出现在16—17时,次峰区位于05—07时。这与Yu等[3-4]关于中国中东部地区短持续性降水(1—3 h)峰值多出现在午后到傍晚的结论一致。此外,江西短历时强降水频次有2个低值时段,分别在00—01时和10— 11时。
从江西各时次短历时强降水导致“当日”暴雨的百分比看(图 9),发生在凌晨至上午的短历时强降水对应当天暴雨的概率更大,达69.2%~76.9%,此时热力不稳定条件较差,短时强降水的发生可能与有关天气系统的发展关系较大,尤其是与低空西南急流的日变化关系密切,此时段急流加强的概率更大,此类降水具有一定的持续性,往往因降水累积形成暴雨。而午后的短时强降水可能与热力不稳定条件的关系更大,其降水时间相对较短,仅29.0%~38.2%的短时强降水对当日暴雨有贡献。
本文利用1961—2015年江西省83个国家级地面气象观测站逐时降水资料,分析了江西短历时强降水的时空分布特征,并探讨了短历时强降水同暴雨的关系。主要结论如下:
(1) 近55 a江西省大部分地区都出现过70 mm·h-1以上的短历时强降水,短历时强降水大值区主要分布在赣中地区的宜春市东南部至抚州市西北部一带,最大值出现在崇仁(147.3 mm·h-1)。空间上,短历时强降水频次呈东多西少分布,高频区主要分布在江西省东北部的景德镇和上饶两市,低频区主要位于江西西南地区的宜春和赣州两市西部。
(2) EOF分析结果表明,江西全省短历时强降水频次变化一致,其中浙赣铁路沿线地区是短历时强降水频次的异常敏感区。
(3) 近55 a江西短历时强降水频次增加趋势非常明显,这与区域性增暖呈正响应关系。该时段江西短历时强降水频次存在21 a和14 a左右的年代际周期变化,20世纪80年代中期前还存在8 a左右的年际周期;短历时强降水主要出现在4—9月,6月其频次最多;4—7月短历时强降水日变化呈双峰型,8—9月日变化呈单峰型;16—17时是江西短历时强降水频次最多的时段,清晨05—07时次之。
(4) 江西短历时强降水与暴雨的高频中心相同,其相似系数达0.98,不同的是短历时强降水在吉安东部、抚州西南部和赣州东北部的次中心更明显;54.6%的短时强降水当日出现了暴雨,尤其凌晨至上午发生的短时强降水日出现暴雨的概率达69.2%~76.9%。
基于国家自动气象站降水资料分析江西短历时强降水时空分布特征,旨在为当地天气预报预警和防汛气象服务提供气候背景场信息。然而,未来气象预报服务需求更高,需要提供更精细的短时强降水时空分布信息,尤其是一些特殊地形附近,如山洪、滑坡、泥石流等地质灾害易发区,更有必要对短时强降水特征做详细分析。近10多年来,我国中东部地区已建立了稠密的区域自动雨量站,为分析基于自动区域雨量站的短时强降水时空分布特征提供了条件,这也是以后需要开展的一项研究工作。
[1] |
王秀荣, 毛卫星, 郭进修. 2004年主汛期我国强对流天气灾害统计特征[J]. 自然灾害学报, 2007, 16(2): 27-30. DOI:10.3969/j.issn.1004-4574.2007.02.005 |
[2] |
伍志方, 庞古乾, 郭春迓, 等. 广东前汛期强对流天气分类流型及物理量阈值[J]. 自然灾害学报, 2016, 25(3): 166-175. |
[3] |
Yu R C, Zhou T J, Xiong A Y, et al. Diurnal variations of summer precipitation over contiguous China[J]. Geophysical Research Letters, 2007a, 34(1): 223-234. |
[4] |
Yu R C, Xu Y P, Zhou T J, et al. Relation between rainfall duration and diurnal variation in the warm season precipitation over central eastern China[J]. Geophysical Research Letters, 2007b, 34(13): 173-180. |
[5] |
李建, 宇如聪, 孙溦. 从小时尺度考察中国中东部极端降水的持续性和季节特征[J]. 气象学报, 2013, 71(4): 652-659. |
[6] |
李建, 宇如聪, 孙溦. 中国大陆地区小时极端降水阈值的计算与分析[J]. 暴雨灾害, 2013, 32(1): 11-16. |
[7] |
姚莉, 李小泉, 张立梅. 我国1小时雨强的时空分布特征[J]. 气象, 2009, 35(2): 80-87. |
[8] |
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 |
[9] |
熊明明, 徐姝, 李明财, 等. 天津地区小时降水特征分析[J]. 暴雨灾害, 2016, 35(1): 84-90. DOI:10.3969/j.issn.1004-9045.2016.01.012 |
[10] |
柳春, 王东勇, 郑淋淋. 近30 a安徽省汛期降水日变化特征分析[J]. 暴雨灾害, 2017, 36(1): 53-59. DOI:10.3969/j.issn.1004-9045.2017.01.007 |
[11] |
段鹤, 夏文梅, 苏晓力, 等. 短时强降水特征统计及临近预警[J]. 气象, 2014, 40(10): 1194-1206. DOI:10.7519/j.issn.1000-0526.2014.10.004 |
[12] |
蔡哲, 章毅之, 何拥凤, 等. 江西省干旱洪涝的时空变化特征分析[J]. 自然灾害学报, 2013, 22(2): 144-149. |
[13] |
单九生, 尹洁, 张延亭, 等. 江西致洪暴雨天气特征分析与流域洪涝预报研究[J]. 暴雨灾害, 2007, 26(4): 311-315. DOI:10.3969/j.issn.1004-9045.2007.04.005 |
[14] |
尹洁, 陈双溪, 刘献耀. 江西汛期连续暴雨形势特征与中期预报模型[J]. 气象, 2004, 30(5): 16-20. |
[15] |
邹海波, 单九生, 易雪婷. 2010年6月江西一次持续性暴雨过程的定量诊断分析[J]. 暴雨灾害, 2017, 36(2): 139-146. DOI:10.3969/j.issn.1004-9045.2017.02.006 |
[16] |
马锋敏, 章毅之, 唐传师, 等. 近52年江西省汛期极端降水事件的时空变化[J]. 长江流域资源与环境, 2013, 34(2): 34-42. |
[17] |
阙志萍, 吴凡, 毕晨, 等. 2015年4约2日江西一次强飑线天气过程分析[J]. 江西科学, 2016, 34(2): 228-235. |
[18] |
苏俐敏, 夏文梅, 马中元, 等. 2012年江西宜春四类短时强降水特征分析[J]. 气象科学, 2014, 34(6): 700-708. |
[19] |
贾小龙, 王谦谦.东北地区汛期降水异常及其与海温异常的关系[D].南京: 南京信息工程大学, 2003
|
[20] |
魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 2007.
|
[21] |
杨晓静, 徐宗学, 左德鹏, 等. 东北三省近55 a旱涝时空演变特征[J]. 自然灾害学报, 2016, 25(4): 9-19. |
[22] |
王芬, 严小冬, 谷晓平, 等. 2006-2015年黔西南初夏短时强降水时空特征分析[J]. 暴雨灾害, 2017, 36(5): 460-466. DOI:10.3969/j.issn.1004-9045.2017.05.008 |
[23] |
邹海波, 单九生, 吴珊珊, 等. 江西持续性强降雨的气候特征及其大尺度环流背景[J]. 气象科学, 2013, 33(4): 449-456. DOI:10.3969/j.issn.1009-0827.2013.04.014 |
[24] |
Holton J R, Hakim G J. An introduction to dynamic meteorology:4th ed[M]. New York: Elsevier Academic Press, 2004: 285-286.
|
[25] |
孙继松. 短时强降水和暴雨的区别与联系[J]. 暴雨灾害, 2017, 36(6): 498-506. DOI:10.3969/j.issn.1004-9045.2017.06.002 |
[26] |
黄嘉佑. 气象统计分析与预报方法[M]. 北京: 气象出版社, 2004.
|
[27] |
IPCC. Climate change 2007:impacts, adaptation, and vulnerability. Contribution of working group Ⅱ to the fourth assessment report of IPCC[M]. Cambridge, UK: Cambridge University Press, 2007.
|
[28] |
王娟, 谌芸. 2009-2012年中国闪电分布特征分析[J]. 气象, 2015, 41(2): 160-170. DOI:10.3969/j.issn.1004-9045.2015.02.008 |