2. 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室, 北京 100029
2. State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of Atmospheric Physics, Chinese Academy of Science, Beijing 100029
长期以来,暴雨预报一直是天气预报的难点,暴雨开始和持续的时间、位置以及降水强度很难确定,而中尺度数值模式是暴雨预报最重要的基础。随着中尺度模式基本框架和模式物理过程参数化的不断发展,充分利用各种非常规观测数据改善模式初始场成为改善暴雨预报的有效途径。暴雨的形成,除大尺度天气背景条件配合,还需要充分的水汽和具有强烈上升运动的中尺度天气系统[1]。因此初始场不仅要包括大尺度信息还要包括中小尺度信息。在中小尺度观测上多普勒雷达具有独特的优势,其时空分辨率高,可提供三维的云、降水及风场等信息。多普勒天气雷达主要观测回波强度和径向速度信息,不直接探测模式变量信息,故许多学者发展了多普勒雷达观测资料反演大气风场、温度场、湿度场方法,由此改进大气模式初始场[2-4]。而利用雷达观测资料调整模式初始场中云微物理结构,并进行数值预报,从而改善暴雨预报效果的研究较少,但却是气象学者一直关注的问题。
北京“7.21”特大暴雨影响很大,诸多学者已从多角度研究了此次暴雨过程。方翀等[5]综合利用多种资料分析了暴雨的中尺度对流发展条件和特征。谌芸等[6]利用各种气象资料分析了暴雨过程的环境场、降水特征、对流系统发生发展过程。孙建华等[7]、周玉淑等[8]利用WRF模式对此次过程的多尺度特点、中尺度系统发展及其结构进行了研究。王宁等[9]进行数值模式敏感试验分析了局地地形对该暴雨过程的影响。王洪等[10]利用GSI系统同化多普勒雷达观测资料,分析对该暴雨过程降水预报的作用和效果。汤鹏宇等[11]通过调整水平分辨率对多普勒雷达观测资料三维变分同化的影响,检验了降水预报效果。这些研究工作从诊断分析、数值模式、雷达资料同化等方面入手,分析了“7.21”特大暴雨过程的形成机制和预报情况,但利用LAPS融合多普勒雷达观测资料并热启动进行数值模拟的研究很少。
NOAA开发的局地融合分析系统(LAPS)可将多普勒雷达数据进行有效融合,提供中尺度分析场和云微物理分布,使初始场能包含多种有效中尺度信息[12]。中国气象局武汉暴雨所引进该系统,并进行了初步本地化研究,为我国开展多种观测资料的融合提供了新工具[13]。利用我国的观测资料网,可将我国各种常规和非常规资料接入LAPS,为数据融合及应用研究奠定基础。如利用LAPS系统融合分析多源数据,剖析各种观测数据的效用[14-15],对分析场开展检验评估[16-17],利用分析场进行天气系统分析和诊断[18-20],以及作为初始场开展数值预报[21-23]。近年基于STMAS[24]框架LAPS进行了升级,一是改进的Barnes客观分析方法升级为基于状态变量的同化方案,二是由一维变分分析调整到三维多尺度变分分析,避免错误地将长波转化为短波进行分析[25]。AREM模式作为国内自主开发的区域数值预报模式,基于静力平衡的动力框架,考虑了中国地形特点和适合本土的水汽演变过程,对中国区域云和降水有良好的预报能力[26]。
本文针对北京“7.21”特大暴雨过程,基于升级后LAPS系统,对多部多普勒雷达观测资料进行融合分析,利用LAPS可调整模式的动力、热力和云场的特点,开展融合分析前后初始场及冷热启动的对比试验,考察LAPS系统融合雷达观测资料和热启动对北京“7.21”特大暴雨过程的影响,以期为改进现有AREM模式对强降水的预报效果提供参考依据。
1 模拟系统介绍雷达资料融合采用美国NOAA下属的ESRL实验室研究开发了局地分析预报系统LAPS,该系统可将某个区域内不同气象观测系统中获取的资料融合分析到同个高分辨率的网格上。LAPS系统经过风分析、地面分析、温度分析、云分析、湿度分析、平衡分析可将资料融合成连续的物理上一致的大气分析场。数据融合过程首先利用滤波器将噪音从信号中分离,再开展时空插值,并基于大气模式构建观测网中缺失的变量,以确保分析结果的物理连续性。过程中使用能量守恒、动量守恒、干湿空气守恒等约束,形成有效观测和模式描述场最佳组合[27]。
预报试验采用AREM模式,该模式是在中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室开发的LASG-REM模式基础上,由LASG国家重点实验室、北京应用气象研究所和中国气象局武汉暴雨研究所发展更新的区域中尺度暴雨大气模式,其动力框架采用了完全能量守恒时空差分格式的数学模型,采用η坐标和水平E网格差分设计,对水汽平流方程设计了保形正定平流差分方案,模式地形精度较高,并针对我国植被特点考虑了13种地表状况。该模式适合我国地形和气候特点,对东亚地区中尺度天气系统,尤其是云和降水系统具有良好预报能力[26]。
2 降水过程概况和试验方案2012年7月21日00时—22日00时(世界时,以下同),京津冀等华北大部地区出现强降水,中心出现在北京、天津和河北的北部,部分地区降水量突破历史记录,北京房山、唐山、廊坊和天津中部等局地降水量达260~460 mm。此次过程降水量是1951年以来北京地区的最大值,给京津冀多区造成了人员伤亡和巨大的经济损失。
对比分析“7.21”暴雨发生前后主要层次的物理场可知,该过程是高空急流、中层浅槽、冷锋和低空急流共同作用的结果。7月20日,500 hPa形势场为“两槽一脊”,东亚沿岸的高压脊较弱,与副热带高压(以下简称副高)叠加形成“东高西低”的形势;200 hPa的高空急流在贝加尔湖附近;对流层低层,有冷平流侵入甘肃、青海地区,在青藏高原东北侧有一低涡形成,并逐渐东移,范围有所扩大。21日西风槽东移,槽前出现低空急流,华北北部处在低空急流出口区的左侧和高空急流入口区的右侧,有利于垂直运动发展;低涡东移加强,强降水区位于高空急流入口区的右后侧,高空200 hPa为显著分流区;副高西伸北进控制江淮、黄淮南部地区,其西侧出现偏东气流;贝加尔湖到河套一带存在高空槽,槽前有强西南气流;850 hPa从西北地区移近的低涡逐渐加强,有暖切变线存在北京南部。高低空系统有利配置为本次暴雨产生创造了良好条件[27-28]。
LAPS融合分析以(113°E、28.5°N)为区域中心,网格的格距为15 km,格点数为431×381,垂直方向为不等距的22层,范围基本涵盖中国地区。提取的0.2°× 0.2°分析场接入AREM模式进行热启动,模式中采用BIAM显式冷云微物理过程、MM5辐射平衡参数化方案、非局地边界层参数化方案[26],固定侧边界,进行数值模拟,预报时效为24 h。模式以21日00时的T511分析数据为背景场,融合在华北地区的北京、石家庄、承德和张北四部多普勒雷达的反射率和径向风数据。为考察多普勒雷达资料融合和冷热启动的模拟效果,设计不同的对比试验(表 1)。
LAPS融合多普勒雷达资料主要在风分析和云分析中进行。风分析对多普勒雷达径向风资料处理方法是先将径向风投影到LAPS格点上,开展质量控制,与格点上由其他风信息合成获取切向风,最终生成模式预报所需的初始风场。云分析利用三维雷达反射率资料提供云场内部信息,通过云分析结果增加有云覆盖区域湿度,利用模式高度场、温度场、三维雷达反射率,最终求得云内垂直速度、可降水量、云水及云冰的分布。
图 1为2012年7月21日00时融合雷达资料前后850 hPa风和相对湿度增量场,从中可见,融合雷达资料后850 hPa风场和相对湿度场有明显增量。融合雷达径向风后,对中低层风场有所改进,在河北东北部出现了辐合场,北京西部出现了辐散场(图 1a);融合雷达反射率资料,在山东、黄海地区的湿度有所增加(图 1b);从整体上看,东部海洋输送的水汽有所增加。
图 2a是2012年7月21日00时con试验即融合雷达资料前沿38°N经降水中心的垂直速度剖面图,从中可见,初始时刻大范围地区的垂直速度均很小,在117°—120°E之间没有明显的上升气流。由融合雷达资料前后沿38oN经降水中心的垂直速度增量剖面图(图 2b)可见,117°—120°E出现很强的上升气流,最大上升速度在250 hPa,达到1.4 Pa·s-1,在上升气流的两侧分别出现0.4 Pa·s-1、0.8 Pa·s-1的下沉气流。说明加入雷达资料融合后,初始时刻的对流较显著,且随系统发展,两侧的下沉气流会进一步加强上升气流,因此融合雷达资料不仅能够改善水汽场,还能增强对流。
LAPS融合T511、雷达资料可得到较为完整的云水、云冰、云雪和雨水等三维的水物质分析场。图 3为2012年21日00时radar+h试验850 hPa和300 hPa的水物质分布状况,从中可见,低层850 hPa出现大范围云水(图 3a),华北和内蒙部分地区出现雨水(图 3b),高层300 hPa出现大范围云冰(图 3c),华北和内蒙部分地区出现云雪(图 3d)。利用水物质分析场,开展云参数初始化,调整模式初始场,进行热启动。
图 4是2012年7月21日00时—22日00时模拟和实况的24 h累积降水量,从实况(图 4d),可见雨带呈西南-东北走向,暴雨区覆盖北京、天津、河北中部和东北部地区,最大降水中心在北京南侧。从三个试验预报24 h累积降水量看,三个试验均能模拟出雨带走向和范围,整体上雨带的范围基本与实况一致,暴雨范围和强度在预报场均有所反应,但不同程度偏小,且雨带位置略偏南。其中con试验(图 4a)模拟降水中心区较小,位置略偏西南,降水强度较实况小,无150 mm以上的降水量;radar+c试验(图 4b)降水强度有所增加,且强降水带略偏向东北方向;radar+h试验(图 4c)强降水中心范围比radar+c试验有所增加,降水有所增强,范围和位置与实况拟合较为相近,整体效果最好。但radar+h试验最大局地降水量也未超过200 mm,与实况局地降水量达260~460 mm仍有很大差距。总体来看,三个试验模拟的小雨、中雨、大雨的范围和实况对应较好,而暴雨范围远大于实况,特大暴雨范围偏小。表明AREM模式对整个雨带范围和走向模拟较好,而对局地强对流的模拟还有欠缺,改进初始场后模拟效果有一定改善。
图 5为2012年7月21日00时—22日00时模拟和实况的每6 h累积降水量,从中可见,21日00—06时,预报与实况在雨带和雨强分布上较为相似,实况降水量大值区超过70 mm (图 5d),radar+h试验降水量大值区达到70 mm (图 5c),con试验降水量大值区为50 mm (图 5a),radar+c试验大值区则为50 mm (图 5b),即radar+h试验大值区更接近实况(图 5c),表明在本次降水过程中AREM模式热启动后,前6 h模拟的降水强度有所增强,能够改善模式spin up问题。21日06—12时、12—18时两个时段是实况降水集中的时段,累积降水量最大值区均超过100 mm (图 5h、l),而三个试验的累积降水量均和实况相差较多,最大值区仅70 mm左右(图 5e-g、i-k)。21日06—12时三个试验的雨带呈南北走向(图 5e-g),而实况呈东北西南走向(图 5h);21日12—18时模拟的雨带(图 5i-k)走向有所改善,模拟出北京南部的降水中心,但内蒙中部和山西南部的降水中心区和实况(图 5l)不符合。这两个时段实况降水中心降水量均超过140 mm,而模拟的最大降水量仅为70 mm,说明模式对局地强降水的预报能力有限。21日18时—22日00时模拟的降水雨带和强度与实况较为一致(图 5m-p)。综上所述,整个降水过程,中小尺度局地性强降水的模拟强度和范围与实况有很大差距。三个试验相比,降水集中时段21日06—18时,radar+c、radar+h试验的大值区更为集中,较con试验接近实况,且radar+h试验的最大降水量好于radar+c试验。
为更好地了解雷达资料融合和热启动对强降水预报结果的影响,下面从水汽分布、垂直运动等方面进行分析。图 6为21日03时、15时radar+c试验与con试验模拟的850 hPa风和相对湿度增量场,从中可见,初始时刻融合雷达资料后相对湿度增量范围虽集中在山东北部,经3 h预报后,已向西北方向扩散,在河北中部和北京南部出现相对湿度增量中心(图 6a)。15 h后(图 6b),在河北南部、中部地区均出现一个小辐合中心和相对湿度增量中心,与图 4中radar+c与con试验模拟的降水增量中心吻合较好,说明融合雷达资料增加的初始水汽,随着系统发展和输送,配合风场辐合能够增强降水。辽东半岛相对湿度增量的大值区一直都在,没有其它形势配合作用,未产生明显降水。radar+h试验和radar+c试验相比,相对湿度增量较小,风矢量变化不大,说明增加云微观粒子进行热启动对水汽输送影响不大(图略)。
图 7和图 8分别给出2012年7月21日03时、12时500 hPa的云水增量场和300 hPa云冰增量场,从中可见,03时同样是冷启动,radar+c试验的云水和云冰强度和面积均超过con试验(图 7a、图 8a),微观粒子场增量的位置与水汽场增量大值区并不一致,而与山西和内蒙交界附近水汽辐合区位置对应,说明水汽与上升气流配合,才能生成更多的微观粒子。热启动radar+h试验的云水和云冰强度和范围则大于冷启动radar+c试验,且两种试验00—06时累积降水增量与微观粒子的增量区基本一致(图 7b、图 8b)。12 h预报后,云水和云冰分布radar+h试验大于radar+c试验(图 7d、图 8d),radar+c试验大于con试验(图 7c、图 8c),且radar+h试验在北京以南地区的增量中心,对应该时段降水中心,说明初始场热启动不仅影响前6 h的降水,更对整个过程降水产生影响。以上分析表明,初始时刻水汽和对流增强后有利于过程降水生成,模式热启动也会影响过程降水。
从2012年7月21日03时、12时、15时沿39°N经降水中心的垂直速度剖面图(图略)分析可知,初始时刻三个试验均存在小上升气流,radar+c和radar+h试验上层存在下沉气流。预报3 h后,在112°E附近均出现强上升气流,radar+c试验和radar+h试验中在主体上升气流东侧又出现了小的对流单体,con试验中小对流单体还未完全分离。对流发展最强盛的阶段12 h时,con试验中对流主体的强度和范围均小于radar+c试验,radar+c试验明显小于radar+h试验。18 h后消散阶段,con试验中底层上升气流和中高层对流已经断为两部分,很快就会消亡,radar+c和radar+h还有连续对流单体,radar+h上升气流强度大于radar+c。以上分析表明,雷达资料融合可影响风场辐合辐散、增强对流发展,热启动不止影响短时降水,对系统整个发展过程的对流强度均有影响。另外,0.05 hPa·s-1的垂直速度和实际强对流过程的垂直速度10~20 hPa·s-1相差甚远,AREM模式静力平衡的动力框架限制了强对流的发展,不能反映对流的真实运动,建立非静力AREM模式势在必行。
5 结论与讨论通过利用LAPS融合雷达资料的分析结果作为AREM模式初始场,并使用热启动对2012年7月21— 22日发生在北京地区的特大暴雨过程进行了对比试验,得到以下结论:
(1) LAPS系统融合多普勒雷达资料的分析结果,包含了更丰富的中尺度信息,在初始风场中增加中小尺度辐合辐散信息,增加了东部地区含水量,增强了上升气流的强度和东部输送的水汽,改善了强降水的位置和强度。
(2) LAPS系统融合雷达资料的分析结果,包含了云水、云冰等微观粒子信息,作为初始场进行热启动,能影响短时对流强度,增强短时降水量,改善了AREM模式spin up问题,且对整个降水过程对流发展、微观粒子分布均有影响,模拟的降水量更接近实况,且热启动模拟效果优于冷启动。
本文三个试验中特大暴雨强度与实况还有很大差距,说明AREM模式因其静力框架对局地强对流的模拟能力有限,但改善的初始场和热启动对模式强降水预报有一定的改进。
[1] |
丁一汇. 暴雨和中尺度气象学问题[J]. 气象学报, 1994, 52(3): 274-284. DOI:10.3321/j.issn:0577-6619.1994.03.005 |
[2] |
托亚, 梁海河, 马淑芬, 等. 用雷达观测资料改进MM5初始场的初步试验研究[J]. 南京气象学院学报, 2003, 26(5): 661-664. DOI:10.3969/j.issn.1674-7097.2003.05.011 |
[3] |
张艳霞, 陈子通, 蒙伟光, 等. 用多普勒雷达资料调整GRAPES模式云参数对短临预报的影响[J]. 热带气象学报, 2012, 28(6): 785-796. |
[4] |
杨艳蓉, 王振会, 杨洪平, 等. 多普勒雷达反射率与径向风资料在数值模式中的应用试验[J]. 气象, 2008, 34(6): 26-34. |
[5] |
方翀, 毛冬艳, 张小雯, 等. 2012年7月21日北京地区特大暴雨中尺度对流条件和特征初步分析[J]. 气象, 2012, 38(10): 1278-1287. DOI:10.7519/j.issn.1000-0526.2012.10.014 |
[6] |
谌芸, 孙军, 徐珺, 等. 北京"7.21"特大暴雨极端性分析及思考(一)观测分析及思考[J]. 气象, 2012, 38(10): 1255-1266. DOI:10.7519/j.issn.1000-0526.2012.10.012 |
[7] |
孙建华, 赵思雄, 傅慎明, 等. 2012年7月21日北京特大暴雨的多尺度特征[J]. 大气科学, 2013, 37(3): 705-718. |
[8] |
周玉淑, 刘璐, 朱科峰, 等. 北京"7.21"特大暴雨过程中尺度系统的模拟及演变特征分析[J]. 大气科学, 2014, 38(5): 885-896. |
[9] |
王宁, 张立凤, 彭军, 等. 局部地形对北京"7.21"特大暴雨影响的数值研究[J]. 暴雨灾害, 2014, 33(1): 10-18. DOI:10.3969/j.issn.1004-9045.2014.01.002 |
[10] |
王洪, 王东海, 万齐林. 多普勒雷达资料同化在"7.21"北京特大暴雨个例中的应用[J]. 气象学报, 2015, 73(4): 679-696. |
[11] |
汤鹏宇, 何宏让, 钱贞成, 等. 多普勒雷达观测在北京"7.21"暴雨数值模拟中的的三维变分同化研究[J]. 气象科学, 2016, 36(3): 349-357. |
[12] |
李红莉, 崔春光, 王志彬, 等. 中尺度分析系统LAPS应用雷达资料的个例研究[J]. 高原气象, 2009, 28(6): 1443-1452. |
[13] |
李红莉, 张兵, 陈波. 局地分析和预报系统(LAPS)及其应用[J]. 气象科技, 2008, 36(1): 20-24. DOI:10.3969/j.issn.1671-6345.2008.01.004 |
[14] |
李红莉, 万蓉, 谢有方. 利用LAPS系统同化地基GPS水汽资料的应用研究[J]. 热带气象学报, 2010, 26(6): 702-709. DOI:10.3969/j.issn.1004-4965.2010.06.008 |
[15] |
刘瑞霞, 陈洪滨, 师春香, 等. 多源观测资料在LAPS三维云量场分析中的应用[J]. 应用气象学报, 2011(1): 123-128. DOI:10.3969/j.issn.1001-7313.2011.01.013 |
[16] |
彭菊香, 李红莉, 崔春光, 等. 华中区域LAPS中尺度分析场的检验与评估[J]. 气象, 2011, 37(2): 170-176. |
[17] |
崔春光, 倪允琪, 李红莉, 等. 中国南方暴雨野外试验中尺度气象分析场的建立及其质量评估[J]. 气象学报, 2011, 69(1): 26-40. |
[18] |
崔春光, 李红莉, 彭菊香, 等. LAPS资料在一次鄂东初夏暴雨分析中的应用[J]. 暴雨灾害, 2008, 27(4): 301-312. DOI:10.3969/j.issn.1004-9045.2008.04.003 |
[19] |
刘志雄, 戴泽军, 彭菊香, 等. 基于LAPS的一次局地强冰雹过程分析[J]. 暴雨灾害, 2009, 28(4): 313-320. DOI:10.3969/j.issn.1004-9045.2009.04.005 |
[20] |
刘寿东, 唐玉琪, 邵玲玲, 等. LAPS分析场在一次强对流天气过程尺度分析中的应用[J]. 大气科学学报, 2012, 35(4): 391-403. DOI:10.3969/j.issn.1674-7097.2012.04.002 |
[21] |
王叶红, 赵玉春, 李红莉, 等. AREM模式的热启动数值模拟-以2007年7月13日暴雨过程为例[J]. 高原气象, 2011, 30(6): 1488-1504. |
[22] |
彭军, 张立凤, 邓冰, 等. LAPS资料在WRF模式中的应用[J]. 热带气象学报, 2013, 29(6): 1037-1045. |
[23] |
张艳霞, 蒙伟光, 张诚忠, 等. LAPS云分析中卫星资料的应用对GRAPES模式短时预报的影响[J]. 热带气象学报, 2015, 31(5): 599-607. |
[24] |
Xie Y, Koch S, McGinley J, et al. A space-time multiscale analysis system:a sequential variational analysis approach[J]. Mon Wea Rev, 2011, 139(4): 1224-1240. DOI:10.1175/2010MWR3338.1 |
[25] |
李超, 唐千红, 陈宇, 等. 多源数据融合系统LAPS的研究进展及其在实况数据服务中的应用[J]. 气象科技进展, 2017, 7(2): 32-38. DOI:10.3969/j.issn.2095-1973.2017.02.005 |
[26] |
徐幼平.AREM载水预报框架的发展与评估[D].北京: 中国科学院大气物理研究所, 2010
|
[27] |
Albers S, Mcginley J A, Birkenheuer D L, et al. The local analysis and prediction system(LAPS):analyses of clouds, precitation, and temperature[J]. Weather and Forecasting, 1996, 11(3): 273-287. DOI:10.1175/1520-0434(1996)011<0273:TLAAPS>2.0.CO;2 |
[28] |
俞小鼎. 2012年7月21日北京那个特大暴雨成因分析[J]. 气象, 2012, 38(11): 1313-1329. |
[29] |
李娜, 冉令坤, 周玉淑, 等. 北京"7.21"暴雨过程中变形场引起的锋生与倾斜涡度发展诊断分析[J]. 气象学报, 2013, 71(4): 593-605. |