2020, Vol. 39 
2. 南京大学大气科学学院, 南京 210044;
3. 中国气象局-河海大学水文气象研究联合实验室, 北京 100081;
4. 南方海洋科学与工程广东省实验室(珠海), 珠海 519082;
5. 浙江省气象台, 杭州 310051;
6. 黑龙江省气象台, 哈尔滨 150030
2. School of Atmospheric Sciences, Nanjing University, Nanjing 210044;
3. CMA-HHU Joint Laboratory for Hydro-Meteorological Studies, Beijing 100081;
4. Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai), Zhuhai, 519082;
5. Zhejiang Meteorological Observatory, Hangzhou 310051;
6. Heilongjiang Meteorological Observatory, Harbin 150030
中尺度对流系统(mesoscale convection system, 以下简称MCS)常带来暴雨、大风、冰雹等强对流天气，是灾害天气发生发展的重要天气系统(Maddox, 1980；Tollerud and Collander, 1993；Houze, 2004；李细生等，2007；陈静静等，2011；尹洁等，2013；Zheng et al, 2013)。近年来，随着卫星遥感技术的不断发展和进步，静止卫星的观测时空分辨率不断提高，因而国内外大量学者利用卫星资料对MCS进行监测和研究(Maddox，1980；Laing and Fritsch, 1997；Mathon and Laurent, 2001；Zheng et al., 2008；Meng et al., 2013；Xu，2013)。
许多早期的研究都使用卫星红外通道数据来追踪MCS，如Machado等(1998)、Mathon和Laurent (2001)使用红外图像来追踪美国和非洲地区MCS的生命史特征，Zheng等(2008)研究了1996—2006年中国地区的MCS时空分布特征，Schröder等(2009)利用静止卫星发展了一套自动追踪MCS的算法。但由于季节、区域的差异，选定一个确定的阈值并非易事。Miller和Fritsch (1990)、Mapes和Houze (1993)、Laing和Fritsch (1993a；1993b)采用TBB < 241 K (-32℃)的标准来识别对流云，Machado等(1998)选取240~250 K之间作为标准，Vila等(2008)则采用235 K的判别阈值，Zheng等(2008)采用241 K和221 K的标准来识别中国周边地区的中-αMCS和中-βMCS。实际上，对于MCS的识别阈值并不唯一，且TBB阈值在5 K以内的变化并不会导致识别结果的明显差别(Ai et al., 2016)。早期的许多研究都只选取TBB作为唯一判识指标，只关注了MCS的云顶特征。对流云团发展到一定程度往往会产生较强降水，许多研究都用降雨强度来描述对流发展的强弱程度(Yuan and Houze, 2010；Goyens et al., 2012；Feng et al., 2012)。由于对流系统的内部结构较为相似，因此单单利用云顶特征无法有效地区分不同云团的特征，有必要将云顶特征和云团所产生降水共同考虑。因此，同时使用TBB和降水强度识别并研究MCS是十分有必要的。Goyens等(2012)指出小时雨量达5 mm·h-1即为中等强度降水事件，而超过10 mm·h-1则为强降水事件。Ai等(2016)进一步指出对中国中东部地区而言降雨强度超过10 mm·h-1即可认为存在MCS。
不同下垫面条件下MCS的生成和发展演变具有显著差别(Velasco and Fritsch, 1987；Laing and Fritsch, 1997；Zipser et al., 2006；郑永光等，2008；祁秀香和郑永光，2009；Rasmussen and Houze, 2011；Rafati and Karimi, 2017)。中国地形地貌复杂，MCS在我国不同地区有不同的活动特征(Fang，1985；李玉兰等，1989；项续康和江吉喜，1995；陶祖钰等，1998；祁秀香和郑永光，2009；曾波等，2013；刘一玮和王颖，2020)，郑永光等(2008)在对全国范围内的气候统计中明确指出，从青藏高原到长江中下游地区，30°N附近的MCS明显存在活跃的东西向波动状分布特征。青藏高原大地形上MCS活动频繁，具有明显的月变化和日变化以及空间分布特征，MCS主要在午后触发，且在高原东南部和中南部存在两个频发中心(张顺利等，2001；江吉喜和范梅珠，2002；张顺利和陶诗言，2002；卓嘎等，2002；过仲阳等, 2003a, 2003b；胡亮等，2008；Li et al., 2008；Hu et al., 2017；王婧羽等，2019；Mai et al., 2020)。平原地区MCS主要在午后到傍晚生成，同时在清晨还存在生成的次高峰；华南地区MCS在6月份活动最为频繁，而江淮地区则为7月份(祁秀香和郑永光，2009；卓鸿等，2012；李佳颖等，2015；刘瑞翔等，2015)。许多研究表明，引发四川盆地和长江流域降水的部分中尺度云团胚胎可以向上游追溯至青藏高原地区(Tao and Ding, 1981；师春香等，2000；张顺利等，2001；Bei et al., 2002；江吉喜和范梅珠，2002；张顺利和陶诗言，2002；卓嘎等，2002；徐祥德和陈联寿，2006；Xu and Zipser, 2011；Wang et al., 2013；潘晓和傅云飞，2015)，而江汉、江淮平原等地区产生强对流天气的MCS可以追溯至二级地形附近的东移对流系统(He and Zhang, 2010；Sun and Zhang, 2012；Meng et al., 2013；Zheng et al., 2013；Ai et al., 2016；Zheng et al., 2016；Zhang and Sun, 2017；Zhang et al., 2018；杨如意等，2020)。因此，将二级地形以东地区作为一个整体对MCS进行研究是十分必要的。
2020年汛期我国经历了超长超强梅雨季，其中7月4—10日重庆、贵州至长江中下游地区出现了一次极端强降雨过程，降雨范围涵盖了整个二级地形及其以东地区。其中，4日至7日，主雨带维持在长江沿线，8日至9日逐渐南压至江南中部，10日又北抬至江南北部。本次过程累计雨量大、持续时间长、多地日雨量突破历史极值、强降雨区高度叠加、极端性强，其中湖北、安徽、江西等地部分地区累计降雨量达到600 mm以上，黄冈市巴河镇累计降雨量超过1 000 mm，安徽歙县首日高考被迫延期举行，造成了严重的经济损失和社会影响。本文将主要对本次极端强降雨过程中的MCS活动特征进行分析，为进一步认识长江流域极端强降雨提供一定参考依据。
1 资料和方法 1.1 资料本文对2020年7月4—10日长江流域二级地形及以东区域(105°—125°E，25°—35°N)生成的MCS进行研究，并以113°E为界，分为西部和东部区域。使用的卫星资料为中国气象局国家卫星气象中心提供的风云四号A星逐小时云顶黑体亮温(TBB)产品(http://satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx); 所用的降水资料为中国气象局国家气象信息中心提供的中国地面与CMORPH融合逐小时降水产品(Crain)(http://data.cma.cn/data/cdcdetail/dataCode/SEVP_CLI_CHN_MERGE_CMP_PRE_HOUR_GRID_0.10.html)，该降水产品将经过质量控制后的全国自动气象站观测的小时降水量与美国气候预测中心研发的CMORPH卫星反演降水产品进行融合(宇婧婧等，2013；Xie and Xiong, 2011)，并在不同区域和不同季节进行了调试(旷达等，2012；潘旸等，2012)，从而形成了覆盖中国区域的0.1°×0.1°逐小时降水融合数据。通过多角度的综合评估表明，该降水产品有效结合了地面观测降水和卫星反演降水的优势，产品总体误差水平在10%以内，对强降水和站点稀疏区的误差在20%以内，优于国际上同类型产品(沈艳等，2013；Shen et al., 2013)。
1.2 方法Ai等(2016)在对中国中东部地区MCS的活动特征进行分析研究时，将云顶亮温238 K和218 K作为对流云盖(Cloud Shield, 以下简称CS)和对流核心区(Convection Core, 以下简称CC)的阈值，降雨强度达到10 mm·h-1作为MCS形成的判定阈值。本文中MCS的识别和追踪方法采用上述阈值和算法。
1.2.1 MCS对应的降水(1) 根据Ai等(2016)的算法，将对流云团分为CS (TBB < 238 K)和CC (TBB < 218 K)。(2)作CS的最小外接矩形，以CS的质心为圆心、质心到矩形四个点的最长距离为半径画圆，圆中降水即该对流云团的降水(图 1)。
|
图 1 MCS对应的降水示意图 (橙色等值线为TBB 238K区域，填色区域为降水量，红色十字为橙色等值线的质心，红色箭头为质心到橙色等值线最小外接矩形四个顶点中距离最大点的连线，以红色十字为圆心、红色箭头为半径形成的黑色圆内的降水即为MCS对应的降水，引自Ai et al., 2016) Fig. 1 Illustration of the precipitation matched for MCS. Orange contour represents for TBB 238 K region, shaded area for precipitation. The red cross is the centroid of the MCS, and the red arrow (radius) is the maximum distance from the centroid to four apexes of the bounding box (black dashed rectangle). Therefore, the circular search range (bold black circle) can be drawn to find the associated rain within the range for each MCS system. Adapted from Ai et al., 2016. |
MCS的识别应满足如下条件：①存在CC；②最大降水强度超过10 mm·h-1；③ CS的面积超过1 000 km2；④降水区域面积超过500 km2。当连续3个小时满足以上条件，将第3个小时的时刻作为MCS的形成时刻(formation time，以下简称FT)。
MCS追踪：采用面积重叠法。由FT时刻分别向前后追踪，当前后连续时刻的CS面积覆盖率超过10%时认为是同一个MCS。初生时刻(initiation time, 以下简称IT)定义为满足向前追踪条件的最早时刻，消亡时刻(dissipation time, 以下简称DT)定义为降水强度低于5 mm·h-1的时刻。当同一时刻有多个MCS满足条件时，与前一时刻相比覆盖率最大的云团被认为是原MCS的延续；当有MCS合并时，新MCS被认为是原面积最大MCS的延续，原其他MCS消亡；当有MCS分裂时，分裂出的面积最大MCS被认为是原MCS的延续，其他云团如满足MCS的条件则被当作新生MCS。对于上述方法筛选出来的MCS，按其生成源地和移动路径分为三类：①西部MCS：生成和消散均发生于西部区域；②东部MCS：生成于东部区域；③东移MCS：生成于西部区域并东移至东部区域消散。
1.2.3 MCS物理量参数MCS的生命史长度(life duration, 以下简称LD)定义为IT到DT之间的时长，形成阶段(formation period, 以下简称FP)定义为：
| $ F P=\frac{(F T-I T)}{L D} \times 100 \% $ | (1) |
将MCS整个生命史过程中TBB的最小值定义为最低亮温BTmin、出现的降水强度最大值定义为最大降水强度Pmax、出现降水的最大面积定义为最大降水面积PAmax、CS的最大面积定义为最大CS面积CSAmax、CC的最大面积定义为最大CC面积CCAmax。
Jirak等(2003)依据卫星观测的TBB将MCS分为以下四类(表 1):中尺度对流复合体(Mesoscale Convective Complex, 以下简称MCC)、中α尺度持续拉长形对流系统(Permanent Elongated Convective System, 以下简称PECS)、中β尺度近圆形对流系统(Meso-β Circular Convective System, 以下简称MβCCS)和中β尺度拉长形对流系统(Meso-β Elongated Convective System, 以下简称MβECS)。对2020年7月6日生成于贵州的东移MCS识别追踪结果表明，7月7日01时(北京时，下同)该对流系统刚开始发展，近圆形但面积不大，属于MβCCS (图 2a)；随着对流系统的东移，其形状由近圆形逐渐变为拉长形，至7日7时发展为MβECS (图 2b)；7日14时，对流系统的形状仍为拉长形，但面积不断变大，已达到PECS的标准(图 2c)；随后，对流系统逐渐从拉长形变为圆形，并于7日16时达到MCC的标准(图 2d)；此后，该对流系统逐渐减弱消亡。本文利用MCS物理量参数按表 1的标准进行分类，对本次强降雨过程中各类MCS的活动特征进行分析。
|
表 1 MCS分类标准(Jirak et al., 2003) Table 1 Classification criteria of MCS (Jirak et al., 2003). |
|
图 2 MCS追踪及分类示意图。其中黄色代表MβCCS，紫色代表MβECS，蓝色代表PECS，绿色代表MCC。红色十字代表MCS所在位置，红色实线代表移动路径：(a) 7日01时，(b) 7日07时，(c) 7日14时，(d) 7日16时 Fig. 2 Illustration of MCS tracking and classification. Yellow, purple, blue and green correspond to MβCCS, MβECS, PECS and MCC, respectively. The red cross represents the position of MCS, and the red solid line represents the moving path. (a) 01:00 BT on 7th, (b) 07:00 BT on 7th, (c) 14:00 BT on 7th and (d)16:00 BT on 7th. |
2020年7月4—10日在二级地形以东地区共识别出186个MCS，平均每天26个。其中西部和东部MCS分别为77个和88个，发生频率大体相当，东移MCS共21个，占总数的11%。由此可见，本次过程中长江中游生成的MCS较长江下游略偏少，长江下游的强降雨主要由本地生成的MCS所导致，上游移入的MCS只占19%。
从三种MCS生成数量和西部与东部区域MCS对应的面雨量逐日变化特征来看(图 3)，6、7日MCS生成数量最多，对应了此次降水过程的最强时段。西部MCS 4—6日生成数量较少，7日之后数量明显较前期增多，这与4—6日主雨带主要在长江下游地区、7—10日长江中游地区降雨增强有较好的对应。东部MCS生成数量没有显著的日分布变化特征，表明长江下游地区降雨始终较强。东移MCS则主要发生在5、6日，其他时间生成数量较少。
|
图 3 不同源地和路径MCS生成数量与西部和东部面雨量的逐日变化特征 Fig. 3 The daily variation characteristics of number of different sources and paths MCS and areal rainfall of two study areas. |
从不同类型MCS的数量分布来看，MαCS(MCC和PECS)共有124个，占所有MCS的66% (图 4a, b)，且MCC (63个)和PECS (64个)的数量大体相当；MαCS数量的逐日变化特征与图 2中东部面雨量的变化趋势类似，MβCS数量的逐日变化特征(图 4c, d)与图 2中西部面雨量的变化趋势类似，表明本次降雨过程中大部分MCS都发展较为强盛，且西部区域主要受MβCS影响，而东部区域更多受MαCS影响。
|
图 4 四类MCS生成数量的逐日变化特征: (a) MCC；(b) PECS；(c) MβCCS；(d) MβECS Fig. 4 The daily variation characteristics of number of four types of MCS, (a) MCC, (b) PECS, (c) MβCCS, (d) MβECS. |
为进一步研究MCS的日变化特征差异，分别选取MCS的IT、FT和DT进行比较。西部、东部和东移MCS的IT(图 5a)、FT(图 5b)、DT(图 5c)均存在下午和凌晨两个峰值分布，但也存在一定差异。西部和东部MCS初生最多发生于14时，而东移MCS初生最多发生于19时，三种MCS均在0—2时存在初生的次高峰；西部MCS主要形成于16时至次日08时，东部MCS最多形成于下午，凌晨是形成的次高峰，而东移MCS则最多形成于凌晨，即四川盆地东部地区的MCS具有明显的夜发性特征，这与郑永光等(2008)的研究结论一致。MCS的消亡主要发生在下午(18时)和清晨(06时)，这与杨如意等(2020)的结果略有差异。
|
图 5 西部(黑色柱)、东部(白色柱)和东移(灰色柱)MCS不同生命史阶段的日变化特征：(a)初生时刻；(b)形成时刻；(c)消亡时刻 Fig. 5 Diurnal variation characteristics of western (black column), eastern (white column) and east-moving (gray column) MCS in different time periods, (a) initiation time, (b) formation time, (c) dissipation time. |
由于不同形成源地MCS的生成、消亡时间和日变化存在明显差异，因此也需要对MCS的生成源地和移动路径进行对比研究。从MCS的形成源地分布(图 6)可以看出，西部和东部MCS在各自研究区域内生成位置的纬向分布较为均匀，而东移MCS生成源地主要分布在西部研究区域的偏东侧。西部MCS由于生成位置偏西，距离下游地区较远，往往很难移动至下游地区。西部MCS主要以MβCS为主，少量的MαCS主要分布在研究区域的中部位置；而东部和东移MCS中MαCS占比较大，且东移的MαCS主要分布在西部区域的中东部。这是由于该区域距离下游更近，对流系统更容易东移发展从而变得更强。
|
图 6 西部(蓝色圆点)、东部(红色圆点)和东移(橙色圆点) MCS形成地点分布(黑色边框代表西部和东部区域，大圆点代表MαCS，小圆点代表MβCS) Fig. 6 Formation location distribution of western (blue dots), eastern (red dots) and east-moving (orange dots) MCS. The black boxes represent the western and eastern study areas. The large dots represent for MαCS, and small dots for MβCS. |
从不同生成源地MCS的移动路径来看，西部MCS的移动路径较短，主要集中在西侧研究区域内(图 7a)；东部MCS的移动路径相对较长，绝大部分在中东部地区减弱消亡，有少数可以移动入海，也有少数在移动的过程中还会向西移动，影响湖北和湖南中部地区(图 7b)；东移MCS的移动路径较长、活动范围较大，其大多数在西部区域内不断合并，随后合并出的新MCS移至东部区域内，主要影响安徽南部、湖北东南部和江西北部(图 7c)。
|
图 7 不同生成源地MCS移动路径图(其中圆点代表各时刻的中心位置，实线代表移动路径)：(a)西部MCS，(b)东部MCS，(c)东移MCS) Fig. 7 Different sources MCS movement path. The dot represents the center position at each moment, and the solid line represents the moving path, (a) western MCS, (b) eastern MCS, and (c) east-moving MCS. |
以上分析表明，相比于西部MCS，东移MCS的生成位置更偏东，有利于其移至下游地区，且东移MCS的移动路径更长，影响范围更广，对下游地区产生严重影响。
2.3 物理量参数特征西部和东部MCS的最低亮温BTmin主要分布在205~220 K之间，平均值在210 K附近，而约有80%东移MCS的BTmin都在210K以下，平均值为206 K，表明东移MCS的对流发展强度更强(图 8a、g、m)。对于最大降雨强度Pmax，西部和东部MCS主要分布于40~60 mm·h-1，东部MCS略强于西部，而约有80%以上东移MCS的Pmax在60 mm·h-1以上，平均值也较西部和东部MCS更大(图 8b、h、n)。FP可以衡量对流发展的迅速程度，FP越小表明对流发展越快。由图 8c、i、o可见，西部和东部MCS的FP分布大体相似，而大部分东移MCS的FP都在40%以下，且平均值约为26%，明显小于非东移MCS，表明东移MCS的发展更为迅速。东移与非东移MCS的最大降雨面积PAmax同样存在显著差别，有约80%的东移MCS的PAmax接近106 km2，明显大于非东移MCS的105 km2，表明东移MCS的降雨面积较非东移MCS显著偏大。西部、东部和东移MCS的CSA均大于104km2，主要集中在104~5×105km2(图 8e、k、q)。其中约有30%西部MCS的CSAmax在105 km2以下，平均面积也低于105km2；东部MCS的CSAmax在105 km2以下的只有不到10%，平均面积在105 km2以上，略大于西部MCS；东移MCS的CSAmax全部在105 km2以上，且平均面积较东部MCS大。西部和东部MCS的CCAmax主要分布在104 km2附近，而约有60%东移MCS的CCAmax接近105km2，表明东移MCS对流发展的面积最大。
|
图 8 不同源地MCS物理量参数分布特征：(a)—(f)西部MCS；(g)—(l)东部MCS；(m)—(r)东移MCS 灰色竖线代表平均值。其中，BTmin代表最低云顶亮温、Pmax代表最大降水强度、FP代表形成阶段、PAmax代表最大降水面积、CSAmax代表最大云盖面积、CCAmax代表最大对流核心面积 Fig. 8 Physical parameter distribution characteristics of different sources MCS. (a)-(f): western MCS; (g)-(l): eastern MCS; (m)-(r): east-moving MCS, gray vertical line represents the average value. BTmin, Pmax, FP, PAmax, CSAmax and CCAmax represent lowest TBB, max precipitation intensity, formation period, max precipitation area, max CS area and max CC area, respectively. |
MCS的移动范围与生命史密切相关，生命史的差异会造成移动范围的不同(刘瑞翔等，2015)。本次过程中总体呈现出随着生命史的增长，数量逐渐降低的趋势(图 9a)。西部和东部MCS平均生命史约为15 h和21 h，而东移MCS平均生命史约为26 h。50%以上的西部和东部MCS生命史不超过20 h，20 h以上的数量明显减少，但也有约15%~25%的MCS生命史在24 h以上。而一半以上的东移MCS生命史达35 h，20 h以下的只占约35%，表明东移MCS的维持时间较非东移MCS明显偏长。从四类MCS的生命史对比可以看出(图 9b)，在10 h以内，MβCS占比超过60%，其中MβCCS的数量最多，而MαCS数量较少；在10~20 h区间内，MαCS和MβCS数量基本相当；到了20~30 h范围内，MαCS的数量占比明显超过MβCS，即随着生命史的增加，MαCS数量越来越多，而MβCS数量逐渐减少。
|
图 9 西部(黑色)、东部(红色)和东移(蓝色)MCS的生命史分布(a)，以及不同类型MCS的生命史分布(b) Fig. 9 (a) Life duration of western (black), eastern (red), and east-moving (blue) MCS, and (b) life duration of each type of MCS. |
综上所述，西部和东部MCS的物理量分布较为接近，表明这两个区域生成的MCS特征较为相似。相比之下，东移MCS的最低亮温更低、降雨强度更大、对流发展更为迅速、降雨面积和对流云面积都更大、生命史更长，表明东移MCS的对流发展更为旺盛。同时，随着生命史的增加，MαCS数量越来越多，MβCS数量逐渐减少。
3 结论与讨论本文利用高时空分辨率的风云四号A星TBB资料和中国地面自动站与CMORPH融合逐小时降水产品，使用基于面积重叠法的对流识别和追踪方法对2020年7月4—10日长江流域出现的一次极端强降雨过程中MCS的活动特征进行分析研究，主要结论如下：
(1) 基于对流自动识别和追踪方法，在本次强降雨过程中共计得到186个MCS，其中西部、东部和东移MCS分别为77个、88个和21个，东移率为11%；MαCS (MCC和PECS)共有124个，而MβCS有62个。
(2) 6、7日生成的MCS数量最多，其中西部MCS在4—6日生成数量较少、7—10日数量增多，东部MCS生成数量始终变化不大，东移MCS主要发生在5—6日。西部和东部MCS一般在午后(14—19时)和凌晨(00— 02时)形成，而东移MCS主要发生在凌晨。
(3) 本次降雨过程中大部分MCS都发展较为强盛，西部区域主要受MβCS影响，而东部区域更多受MαCS影响。相比于西部和东部MCS，东移MCS的最低亮温更低、降雨强度更大、生命史更长、对流发展更为迅速、降雨面积和对流云面积都更大，移动路径更长，影响范围更广，表明东移MCS的对流发展更为旺盛。同时，随着生命史的增加，MαCS数量越来越多，而MβCS数量逐渐减少。
本文主要对本次强降雨过程中不同类型MCS的活动特征进行了初步的分析，并与前人统计结果对比，突出了本次极端降雨过程的差异性，为深入研究极端暴雨过程提供了一些依据。但对东移MCS影响下游造成强降水的机理还需要进一步研究，为下游地区降雨趋势变化预报提供参考。
陈静静, 叶成志, 陈红专, 等. 2011. "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, 30(4): 313-320. DOI:10.3969/j.issn.1004-9045.2011.04.004 |
过仲阳, 林珲, 江吉喜, 等. 2003a. 卫星遥感揭示的青藏高原上MCS活动特征及东移传播[J]. 遥感学报, 7(5): 350-357. |
过仲阳, 林晖, 江吉喜, 等. 2003b. 青藏高原上中尺度对流系统东移传播成因[J]. 地球信息科学, 5(1): 5-10. |
胡亮, 李耀东, 付容, 等. 2008. 夏季青藏高原移动性对流系统与中国东部降水的相关关系[J]. 高原气象, 27(2): 301-309. |
江吉喜, 范梅珠. 2002. 夏季青藏高原上的对流云和中尺度对流系统[J]. 大气科学, 26(2): 263-270. |
旷达, 沈艳, 牛铮, 等. 2012. 卫星反演降水产品误差随时空分辨率和雨强的变化特征分析[J]. 遥感信息, 27(4): 75-81. DOI:10.3969/j.issn.1000-3177.2012.04.013 |
李玉兰, 王婧嫆, 郑新江, 等. 1989. 我国西南-华南地区中尺度对流复合体(MCC)的研究[J]. 大气科学, 13(4): 417-422. DOI:10.3878/j.issn.1006-9895.1989.04.05 |
李细生, 张华, 罗慧妮, 等. 2007. 湖南省雨季一次MCS的中尺度数值模拟[J]. 暴雨灾害, 26(3): 33-39. |
李佳颖, 沈新勇, 王东海, 等. 2015. 2008年春夏华南地区MCS时空分布和活动特征分析[J]. 热带气象学报, 31: 475-485. |
刘瑞翔, 丁治英, 孙凌光, 等. 2015. 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, 34: 215-222. DOI:10.3969/j.issn.1004-9045.2015.03.003 |
刘一玮, 王颖. 2020. 天津地区一次局地大暴雨过程MCS传播发展机制[J]. 沙漠与绿洲气象, 14(5): 61-68. |
潘旸, 沈艳, 宇婧婧, 等. 2012. 基于OI方法分析的中国区域地面观测与卫星反演小时降水融合试验[J]. 气象学报, 70(6): 1381-1389. |
潘晓, 傅云飞. 2015. 夏季青藏高原深厚及浅薄降水云气候特征分析[J]. 高原气象, 34(5): 1191-1203. |
祁秀香, 郑永光. 2009. 2007年夏季我国深对流活动时空分布特征[J]. 应用气象学报, 20(3): 286-294. DOI:10.3969/j.issn.1001-7313.2009.03.004 |
师春香, 江吉喜, 方宗义. 2000. 1998长江大水期间对流云团活动特征研究[J]. 气候与环境研究, 5(3): 279-286. |
沈艳, 潘旸, 宇婧婧, 等. 2013. 中国区域小时降水量融合产品的质量评估[J]. 大气科学学报, 36(1): 37-46. DOI:10.3969/j.issn.1674-7097.2013.01.005 |
陶祖钰, 王洪庆, 王旭, 等. 1998. 1995年中国的中α尺度对流系统[J]. 气象学报, 56(2): 166-177. DOI:10.3321/j.issn:0577-6619.1998.02.004 |
王婧羽, 王晓芳, 汪小康, 等. 2019. 青藏高原云团东传过程及其中中尺度对流系统的统计特征[J]. 大气科学, 43(5): 1019-1040. |
项续康, 江吉喜. 1995. 我国南方地区的中尺度对流复合体[J]. 应用气象学报, 6(1): 9-17. |
徐祥德, 陈联寿. 2006. 青藏高原大气科学试验研究进展[J]. 应用气象学报, 17(6): 756-772. DOI:10.3969/j.issn.1001-7313.2006.06.013 |
尹洁, 何拥凤, 陈云辉, 等. 2013. 2013年6月江西一次持续性暴雨过程分析[J]. 暴雨灾害, 32(4): 314-323. DOI:10.3969/j.issn.1004-9045.2013.04.003 |
宇婧婧, 沈艳, 潘旸, 等. 2013. 概率密度匹配法对中国区域卫星降水资料的改进[J]. 应用气象学报, 24(5): 544-553. DOI:10.3969/j.issn.1001-7313.2013.05.004 |
杨如意, 张元春, 孙建华, 等. 2020. 暖季长江中游二级地形附近东移和准静止MCSs的统计特征和环流形势对比[J]. 中国科学:地球科学, 50(8): 1149-1164. |
曾波, 谌芸, 肖天贵. 2013. 我国中东部地区夏季MCS统计分析[J]. 气象, 39(2): 180-185. |
张顺利, 陶诗言, 张庆云, 等. 2001. 1998年夏季中国暴雨洪涝灾害的气象水文特征[J]. 应用气象学报, 12(4): 442-457. DOI:10.3969/j.issn.1001-7313.2001.04.007 |
张顺利, 陶诗言. 2002. 青藏高原对1998年长江流域天气异常的影响[J]. 气象学报, 60(4): 442-452. DOI:10.3321/j.issn:0577-6619.2002.04.007 |
郑永光, 陈炯, 朱佩君. 2008. 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, 53(4): 471-481. DOI:10.3321/j.issn:0023-074X.2008.04.015 |
卓嘎, 徐祥德, 陈联寿. 2002. 青藏高原对流云团东移发展的不稳定特征[J]. 应用气象学报, 13(4): 448-456. DOI:10.3969/j.issn.1001-7313.2002.04.008 |
卓鸿, 赵平, 李春虎, 等. 2012. 夏季黄河下游地区中尺度对流系统的气候特征分布[J]. 大气科学, 36: 1112-1122. DOI:10.3878/j.issn.1006-9895.2011.11174 |
Ai Y, Li W, Meng Z, et al. 2016. Life Cycle Characteristics of MCSs in Middle East China Tracked by Geostationary Satellite and Precipitation Estimates[J]. Monthly Weather Review, 144(7): 2517-2530. DOI:10.1175/MWR-D-15-0197.1 |
Bei N, Zhao S, Gao S. 2002. Numerical simulation of a heavy rainfall event in China during July 1998[J]. Meteor Atmos Phys, 80: 153-164. DOI:10.1007/s007030200022 |
Fang Z Y. 1985. The preliminary study of medium-scale cloud clusters over the Changjiang basin in summer[J]. Adv Atmos Sci, 2(3): 334-340. DOI:10.1007/BF02677249 |
Feng Z, Dong X, Xi B, et al. 2012. Life cycle of midlatitude deep convective systems in a Lagrangian framework[J]. J Geophys Res, 117: D23201. |
Goyens C, Lauwaet D, Schröder M, et al. 2012. Tracking mesoscale convective systems in the Sahel:Relation between cloud parameters and precipitation[J]. Int J Climatol, 32: 1921-1934. DOI:10.1002/joc.2407 |
Houze, Robert A. 2004. Mesoscale convective systems[J]. Reviews of Geophysics, 42(4): RG4003. |
He H Z, Zhang F Q. 2010. Diurnal variations of warm-season precipitation over northern China[J]. Mon Weather Rev, 138: 1017-1025. DOI:10.1175/2010MWR3356.1 |
Hu L, Deng D, Xu X, et al. 2017. The regional differences of Tibetan convective systems in boreal summer[J]. Journal of Geophysical Research:Atmospheres, 122: 7289-7299. DOI:10.1002/2017JD026681 |
Jirak I L, Cotton W R, McAnelly R L. 2003. Satellite and radar survey of mesoscale convective system development[J]. Monthly Weather Review, 131(10): 2428-2449. DOI:10.1175/1520-0493(2003)131<2428:SARSOM>2.0.CO;2 |
Laing A G, Fritsch J M. 1993a. Mesoscale Convective Complexes over the Indian Monsoon Region[J]. Journal of Climate, 6(5): 911-919. DOI:10.1175/1520-0442(1993)006<0911:MCCOTI>2.0.CO;2 |
Laing A G, Fritsch J M. 1993b. Mesoscale Convective Complexes in Africa[J]. Monthly Weather Review, 121(8(8)): 2254. |
Laing A G, Fritsch J M. 1997. The global population of mesoscale convective complexes[J]. Quart J Roy Meteor Soc, 123: 389-405. DOI:10.1002/qj.49712353807 |
Li Y D, Wang Y, Song Y, et al. 2008. Characteristics of summer convective systems initiated over the Tibetan Plateau. Part Ⅰ:Origin, track, development, and precipitation[J]. Journal of Applied Meteorology and Climatology, 47(10): 2769-2965. |
Maddox R A. 1980. Meoscale convective complexes[J]. Bull Amer Meteor Soc, 61: 1374-1387. DOI:10.1175/1520-0477(1980)061<1374:MCC>2.0.CO;2 |
Machado L A T, Rossow W B, Guedes R L, et al. 1998. Life Cycle Variations of Mesoscale Convective Systems over the Americas[J]. Monthly Weather Review, 126(6): 1630-1654. DOI:10.1175/1520-0493(1998)126<1630:LCVOMC>2.0.CO;2 |
Mapes B, Houze Jr R A. 1993. An integrated view of the 1987 Australin monsoon and its mesoscale convective systems. Ⅱ:Vertical structure[J]. Quarterly Journal of the Royal Meteorological Society, 119(512): 733-754. |
Mathon V, Laurent H. 2001. Life cycle of Sahelian mesoscale convective cloud systems[J]. Quart J Roy Meteor Soc, 127: 377-406. DOI:10.1002/qj.49712757208 |
Meng Z, Yan D, Zhang Y. 2013. General features of squall lines in east China[J]. Mon Wea Rev, 141: 1629-1647. DOI:10.1175/MWR-D-12-00208.1 |
Mai Z, Fu S M, Sun J H, et al. 2020. Key statistical characteristics of the mesoscale convective systems generated over the Tibetan Plateau and their relationship to precipitation and southwest vortices[J]. International Journal of Climatology: 1-21. |
Miller D, Fritsch J M. 1990. Mesoscale Convective Complexes in the Western Pacific Region[J]. Monthly Weather Review, 119(12): 2978-2992. |
Rafati S, Karimi M. 2017. Assessment of mesoscale convective systems using IR brightness temperature in the southwest of Iran[J]. Theor Appl Climatol, 129: 539-549. DOI:10.1007/s00704-016-1797-7 |
Rasmussen K L, Houze Jr R A. 2011. Orogenic convection in subtropical South America as seen by the TRMM satellite[J]. Mon Weather Rev, 139: 2399-2420. DOI:10.1175/MWR-D-10-05006.1 |
Schröder M, König M, Schmetz J. 2009. Deep convection observed by the Spinning Enhanced Visible and Infrared Imager on board Meteosat 8:Spatial distribution and temporal evolution over Africa in summer and winter 2006[J]. J Geophys Res, 114: D05109. |
Sun J H, Zhang F Q. 2012. Impacts of mountain-plains solenoid on diurnal variations of rainfalls along the mei-yu front over the east China plains[J]. Mon Weather Rev, 140: 379-397. DOI:10.1175/MWR-D-11-00041.1 |
Shen Y, Zhao P, Pan Y, et al. 2014. A high spatiotemporal gauge-satellite merged precipitation analysis over China[J]. Journal of Geophysical Research, 119: 3063-3075. DOI:10.1002/2013JD020686 |
Tao S Y, Ding Y H. 1981. Observational evidence of the influence of the Qinghai-Xizang (Tibet) Plateau on the occurrence of heavy rain and severe convective storms in China[J]. Bull Amer Meteor Soc, 62: 23-30. DOI:10.1175/1520-0477(1981)062<0023:OEOTIO>2.0.CO;2 |
Tollerud E I, Collander R S. 1993. Mesoscale Convective Systems and Extreme Rainfall in the Central United States[J]. Iahs Publication: 11-11. |
Velasco I, Fritsch J M. 1987. Mesoscale convective complexes in the Americas[J]. J Geophys Res, 92: 9591-9613. DOI:10.1029/JD092iD08p09591 |
Wang Z Q, Duan A M, Wu G X. 2013. Time-lagged impact of spring sensible heat over the Tibetan Plateau on the summer rainfall anomaly in East China:Case studies using the WRF model[J]. Climate Dyn, 42(11-12): 2885-2898. |
Xie P P, Xiong A Y. 2011. A conceptual model for constructing high-resolution gauge-satellite merged precipitation analyses[J]. Journal of Geophysical Research: 116. DOI:10.1029/2011JD016118 |
Xu W. 2013. Precipitation and convective characteristics of summer deep convection over East Asia observed by TRMM[J]. Mon Wea Rev, 141: 1577-1592. DOI:10.1175/MWR-D-12-00177.1 |
Xu W X, Zipser E J. 2011. Diurnal variations of precipitation, deep convection, and lightning over and east of the Eastern Tibetan Plateau[J]. J Climate, 24(2): 448-465. DOI:10.1175/2010JCLI3719.1 |
Yuan J, Houze R A. 2010. Global variability of mesoscale convective system anvil structure from A-Train satellite data[J]. J Climate, 23: 5864-5888. DOI:10.1175/2010JCLI3671.1 |
Zheng Y, Chen J, Zhu P. 2008. Climatological distribution and diurnal variation of mesoscale convective systems over China and its vicinity during summer[J]. Chin Sci Bull, 53(10): 1574-1586. |
Zheng L L, Sun J H, Zhang X L, et al. 2013. Organizational modes of mesoscale convective systems over central East China[J]. Weather Forecast, 28: 1081-1098. DOI:10.1175/WAF-D-12-00088.1 |
Zheng Y G, Xue M, Li B, et al. 2016. Spatial characteristics of extreme rainfall over China with hourly through 24-hour accumulation periods based on national-level hourly rain gauge data[J]. Adv Atmos Sci, 33: 1218-1232. DOI:10.1007/s00376-016-6128-5 |
Zhang Y C, Sun J H. 2017. Comparison of the diurnal variations of precipitation east of the Tibetan Plateau among sub-periods of Meiyu season[J]. MeteorolAtmos Phys, 129: 539-554. |
Zhang Y C, Zhang F Q, Davis C A, et al. 2018. Diurnal evolution and structure of long-lived mesoscale convective vortices along the Mei-yu front over the East China Plains[J]. J Atmos Sci, 75: 1005-1025. DOI:10.1175/JAS-D-17-0197.1 |
Zipser E J, Cecil D J, Liu C T, et al. 2006. Where are the most intense thunderstorms on earth?[J]. Bull Amer Meteorol Soc, 87: 1057-1072. DOI:10.1175/BAMS-87-8-1057 |