期刊检索:
  暴雨灾害   2021, Vol. 40 Issue (1): 52-60.  DOI: 10.3969/j.issn.1004-9045.2021.01.007

论文

DOI

10.3969/j.issn.1004-9045.2021.01.007

资助项目

国家重点研发计划重点专项(2018YFC1507200);中国气象局气象预报业务关键技术发展专项(YBGJXM(2017)1A-10);中国气象局预报员专项(CMAYBY2020-089);湖南省科技厅重点领域研发计划项目(2019SK2161)

第一作者

毛紫怡, 主要从事暴雨天气分析与预报技术研究。E-mail: 2530179849@qq.com.

通信作者

刘金卿, 主要从事中小尺度灾害性天气研究。E-mail: liujq_0912@126.com.

文章历史

收稿日期:2020-02-02
定稿日期:2020-05-22
湖南省西南涡暴雨的分类研究
毛紫怡1 , 刘金卿2,3     
1. 云南大学地球科学学院, 昆明 650500;
2. 湖南省气象台, 长沙 410118;
3. 气象防灾减灾湖南省重点实验室, 长沙 410118
摘要:基于2012-2016年西南低涡年鉴资料、欧洲中心ERA-Interim再分析资料、湖南省站点降水数据及热带测雨卫星TRMM格点降水产品,对西南涡影响下的湖南省暴雨天气过程进行了普查与分析,并进一步利用多变量EOF法和k均值聚类法对西南涡暴雨天气进行了客观分类。结果表明:(1)西南涡暴雨占湖南总暴雨日数的三分之一,大多由偏东路径的盆地涡和九龙涡造成。(2)湖南省西南涡暴雨天气主要分为暖区类、回流类和锋面类,其中暖区类暴雨强度最强,回流类和锋面类强度相当。(3)西南涡暖区暴雨发生在西南涡槽前深厚的暖湿气流中,落区集中在湘中以北。回流暴雨主要形成于低空高压后部东风回流和西南涡槽前西南气流耦合区,落区集中在湘东南,该类是秋季西南涡暴雨的主要天气形势。锋面暴雨因锋区与西南涡槽前耦合叠加,落区位于锋面附近并沿切变线分布。
关键词西南涡    多变量EOF    暖区暴雨    锋面暴雨    回流暴雨    
Classification of rainstorms in Hunan Province affected by the Southwest China vortex
MAO Ziyi1 , LIU Jinqing2,3     
1. School of Earth Sciences, Yunnan University, Kunming 650500;
2. Hunan Meteorological Observatory, Changsha 410118;
3. Hunan Key Laboratory of Meteorological Disaster Prevention and Mitigation, Changsha 410118
Abstract: By using the Southwest China Vortex Yearbook, ERA-Interim reanalysis data, national meteorological station precipitation data and TRMM (Tropical Rainfall Measuring Mission) gridded precipitation, Southwest China vortex (SWCV) rainstorms occurring in Hunan Province during the 2012-2016 period are investigated. And the multivariate EOF and k-means clustering method were used to objectively classify the weather situation of SWCV rainstorms. The results show that: (1) SWCV rainstorms accounted for one-third of total rainstorms in Hunan, which was mostly caused by eastward basin SWCV and Jiulong SWCV. (2) SWCV rainstorms in Hunan can be classified into three categories: warm convection, reversal flow, and cold front. The intensity of warm convection rainstorms were the strongest and the other two had similar intensity. (3) Warm convection rainstorms were mainly distributed in north of Hunan, located at deep warm and humid air flow in front of SWCV trough. Reversal flow rainstorms were mainly distributed in southeast of Hunan, formed in coupling area of reversal flow behind the high-pressure anticyclone and front of SWCV trough, which were typical weather situation of autumn SWCV rainstorms. Frontal rainstorms were directly affected by cold air, and usually formed along the frontal zone and horizontal wind shear line.
Key words: southwest China vortex rainstorms    multivariate EOF    warm convection rainstorm    frontal rainstorm    reversal flow rainstorm    
引言

西南涡暴雨洪涝天气的预报预测一直是我国气象学家和天气预报员关注的热点问题(何光碧,2012李跃清和徐祥德,2016),近年来在西南涡致灾暴雨的天气学分析(陈涛等,2011廖移山等,2011Ni et al., 2017)、气候统计(Feng et al., 2016叶瑶和李国平,2016慕丹和李跃清,2018)和动力学机理(Fu et al., 2011Wang and Tan, 2014)等研究方面取得了显著进展。王晓芳等(2007)指出西南涡的强非地转运动通过激发辐合上升促进暴雨发展。郝丽萍等(2016)认为高原水平切变线上风切变的大小对盆地持续性西南涡暴雨起重要作用。Wang和Liu(2017)指出急流加速与西南涡暴雨潜热释放存在正反馈作用,并强调了低空急流及暖平流对西南涡移动及暴雨的影响。刘金卿和李子良(2020)分析了一次西南涡诱生气旋引发的下游暴雨过程,指出西南涡诱生的新系统东移可以引发下游远距离暴雨。

不同的环流配置具有不同的暴雨天气学特征,近年来基于客观方法的暴雨天气分类研究快速发展。李玉梅等(2016)结合旋转EOF和k均值聚类法对非台风强降水的天气形势进行分类,认为分类后的天气学模型有效捕捉到相似天气形势的局地变化特征。陈静静等(2016)对比了主观方法和k均值聚类方法在湖南暴雨天气分类的效果,指出客观分类反映了和主观分类一致的环流特征。

在西南涡暴雨的天气学模型方面,虽然前人基于主观分类方法获得了适用于当地的概念模型(卢萍等, 2014a, 2014b韩林君和白爱娟,2019),但不同学者的成果在其他地区推广时普适性仍需检验,而客观分类方法人为因素少,更容易推广和实现业务化应用。由于湖南省是全国遭受暴雨洪涝灾害影响最严重的省份之一(湖南省气象局,2018),西南涡是引发湖南暴雨的重要天气系统(潘志祥,2015刘红武等,2016),因此,本文以湖南省为例,利用不同客观方法对西南涡暴雨天气进行分类及对比验证。首先对湖南省西南涡暴雨时空分布特征进行统计,然后进一步研究了暴雨发生时的不同环流配置,以此建立天气学概念明确的西南涡暴雨预报模型。

1 资料与方法 1.1 资料

本文使用的资料包括:(1)《西南低涡年鉴(2012—2016)》(中国气象局成都高原气象研究所和中国气象学会高原气象学委员会,201320152016a2016b2017)(简称《年鉴》),《年鉴》基于天气学定义,结合近几年的加密观测科学试验,整编了西南涡涡源、路径及降水量、降水日数等资料图表,为西南涡研究提供了数据资料的基础性保障。(2) 2012—2016年欧洲中期数值预报中心(European Centre for Medium-Range Weather Forecasts,简称ECMWF)提供的ERA-Interim (ECMWF Reanalysis-Interim)再分析资料中的高空气象要素,空间分辨率0.125°×0.125°,时间分辨率6小时。(3) 湖南省气象信息中心整编的2012—2016年湖南省97个国家级气象站逐日降水数据,用于统计湖南省西南涡暴雨实况特征。(4) 热带测雨卫星(Tropical Rainfall Measuring Mission,简称TRMM)提供的3B42逐日格点降水产品,空间分辨率为0.25°×0.25°,该数据在西南涡降水研究中适用性较好(蒋璐君等,2015),与再分析资料整合后用于分类计算,为与再分析资料匹配,利用双线性方法将其插值为0.125°×0.125°。(5) 文中涉及的地图是基于湖南省标准地图服务网站下载的审图号为GS(2016)1597的中国地图和审图号为湘S(2017)49号的湖南省地图制作,底图无修改。

1.2 普查标准

湖南省暴雨日:参考叶成志等(2016)陈静静等(2016)对湖南暴雨日的统计标准,定义湖南暴雨日为24 h内(以世界时00∶00为界,下同)全省97站中至少有5站出现暴雨(≥50 mm)或1站出现大暴雨(≥100 mm)。按照上述标准,2012—2016年湖南省共有166个暴雨日。

西南涡影响下的湖南暴雨日:参考刘红武等(2016)提出的筛选西南涡影响湖南的方法,结合《年鉴》整编的“西南涡对我国降水影响简表”,进一步判断166个湖南省暴雨日是否受到西南涡的影响。具体方法如下:逐一判断暴雨日00∶00或12∶00是否有西南涡中心移入湖南的高影响区域(105°—120°E、23°—32°N),同时在简表记录中,该日期存在西南涡降水过程影响到湖南。当暴雨日存在西南涡移入高影响区域,并且降水影响范围涵盖了湖南时,认为此次湖南暴雨由西南涡引发。经统计,2012—2016年共有51个湖南省西南涡暴雨日,约占湖南省总暴雨日数的三分之一(31%)。

西南涡路径的分类方法:参考王金虎等(2015)以及范娇和陈科艺(2019)的定义,当西南涡路径终点与初始位置的纬度差在[-5°N,5°N]范围时,认定为偏东方向,超过5°N为东北方向,低于-5°N为东南方向。

1.3 多变量EOF分解

为了得到产生湖南省西南涡暴雨时的大气环流系统各要素的协同变化特征,利用多变量EOF (Multi⁃ variate Empirical Orthogonal Functions,简称MEOF)方法(Wang,1992Wang et al., 2008)对多个气象要素场进行时空分解。

考虑到边界层(925 hPa)中尺度辐合线和超低空急流对我国江南地区强降水位置的指示作用(许爱华和谌芸,2013),本文主要选取925 hPa的气象要素场进行MEOF分解,具体包括:风场(包括经向风、纬向风)、假相当位温(θse) 及TRMM降水,由于不同要素量级差别大,因此计算前对所有要素进行标准化处理。分析时刻皆取暴雨日00:00,研究的关键区选择湖南地区(108°—115°E、24°—31°N)。经过MEOF计算后分离出的空间模态表征了低层风场、θse场与降水的空间分布及协同变化特征。MEOF分解的计算公式(颜映,2012)如下

$V=E P^{T} $

其中,V是由标准化后的不同气象要素组合成的矩阵;E是空间模态,表示不随时间变化的典型场;P是时间序列,表示空间模态的权重系数;T是转置。

2 湖南省西南涡暴雨的统计特征

经统计,2012—2016年共有164个西南涡移出源地,其中有四分之一(39个,占24%)引发了51次湖南暴雨。为分析西南涡对湖南暴雨在落区、强度、季节变化等方面的影响,本节将从引发湖南暴雨的西南涡移动特征及暴雨时空分布等方面进行分析。参考《年鉴》中的涡源分类标准,将不同生成区域的西南涡分为九龙涡(99°—104°E、26°—30.5°N)、盆地涡(104°—109°E、26°—33°N)、小金涡(99°—104°E、30.5°—33°N)。

2.1 西南涡移动特征

2012—2016年51个湖南西南涡暴雨日全部由移出源地的西南涡造成,而源地生消的西南涡引发湖南暴雨的概率较低,图 1是2012—2016年引发湖南暴雨的西南涡涡源及移动路径。从涡源分类上,引发湖南暴雨频率最高的是盆地涡(29次,占57%),其次是九龙涡(16次,占31%),最少的是小金涡(6次,占12%)。从移出路径上,偏东方向移出的西南涡(37个,占95%)引发了大多数湖南暴雨(48次,占94%),其次,东北路径的西南涡(2个,占5%)引发了少数湖南暴雨(3次,占6%),大部分引发暴雨的西南涡经由湖南西北侧、北侧。

图 1 2012—2016年引发湖南暴雨的西南涡路径分布: 盆地涡(绿色)、小金涡(蓝色)、九龙涡(红色) Fig. 1 Track of Southwest China vortexes that trigger rainstorms in Hunan Province from 2012 to 2016: Basin vortex (green), Xiaojin vortex (blue), Jiulong vortex (red).
2.2 西南涡暴雨落区及强度分布

根据2012—2016年湖南省97个测站的西南涡暴雨频次及日平均降水量的空间分布(图 2),西南涡暴雨的高频次区(≥9次)主要分布在湘中以北(图 2a)。其中,单站频次大于13次的站点有3站,分别是沅陵(13次)、保靖(13次)、浏阳(15次),同样位于湘中以北。从日平均降水量来看,空间分布趋势与暴雨日频次基本一致(图 2b),降水量超过30 mm·d-1的站点共计5站,均位于湘西北。以上结果表明,湖南西南涡暴雨的出现频次和强度在空间上都呈现明显的北高南低的分布趋势,即湘中以北多于湘中以南,以湘西北出现的次数最多、强度最大,而湘中以南受西南涡影响相对弱。出现此现象的原因可能与西南涡影响湖南的路径以偏东路径为主有关,而该路径主要影响湖南西北部、北部(图 1)。

图 2 2012—2016年湖南省西南涡暴雨日的空间分布: (a) 单站频次分布(圆点);(b) 日平均降水量(填色,单位:mm·d-1) Fig. 2 Spatial distribution of Southwest China vortex rainstorms for 97 stations in Hunan Province from 2012 to 2016. (a) Rainstorm frequency (dot), (b) Daily average precipitation (shading, units: mm·d-1).
2.3 西南涡暴雨季节变化

根据移出类西南涡是否引发湖南暴雨,对比分析了引发、未引发湖南暴雨的两类西南涡逐月频次分布(图 3),据此可以观察到引发湖南暴雨的西南涡频次存在明显的季节变化特征。从其逐月累计来看,2012—2016年移出源地的西南涡集中在冬(12月—次年2月)、春(3—5月)、夏(6—8月)三季(135个,占82%)。其中,引发湖南暴雨的西南涡主要出现在春夏两季(33个),约占全年总数(39个)的85% (图 3a)。冬季虽然西南涡移出较频繁,但是较少引发湖南暴雨,究其原因,这可能与冬季西南暖湿气流较弱、大气水汽含量少有关。另外,值得注意的是,虽然三种涡源的西南涡暴雨都集中出现在5—7月,但是在该期间移出源地的盆地涡更容易引发湖南暴雨(40%,图 3c),而九龙涡(18%,图 3b)和小金涡(13%,图 3d)产生暴雨的比例相对较小。

图 3 2012—2016年引发湖南暴雨和未引发湖南暴雨的移出类西南涡频次逐月分布: (a) 全部西南涡;(b) 九龙涡;(c) 盆地涡;(d) 小金涡 Fig. 3 Frequency distribution of Southwest China vortexes that trigger or not trigger rainstorms in Hunan Province from 2012 to 2016. (a) Total vortexes, (b) Jiulong vortexes, (c) Basin vortexes and (d) Xiaojin vortexes.
3 湖南省西南涡暴雨的天气学特征及分类

不同环流配置下的西南涡暴雨天气特征及暴雨机制不同,为了更好地理解暴雨成因,本节使用MEOF方法和k均值聚类方法对2012—2016年湖南的51次西南涡暴雨形势场配置进行客观分类及对比验证。

3.1 风场、假相当位温场与降水的协同变化

图 4是利用ERA-Interim资料925 hPa风场、θse场与TRMM降水进行MEOF分解的前两个模态,前两个模态的方差贡献率分别为42.0%和11.5%,累计方差达到53.5%,均通过了North显著性检验(North et al., 1982),表明前两个模态相互独立并能与其他模态显著区分。在降水的空间分布上,前两个模态均反映出湖南降水南北反相分布的特点(图 4ab),这与实况统计中暴雨频次和量级呈现的南北分布的差异具有一致性(图 2)。

图 4 大气环流MEOF分解的第一模态(a、c)和第二模态(b、d) (图中矢量场是925 hPa风场载荷,a、b阴影表示降水载荷,c、d阴影表示假相当位温载荷) Fig. 4 Spatial patterns of the first (a, c) and second leading (b, d) MEOF mode of 925 hPa winds, precipitation (color shadings in the upper panels) and equivalent potential temperature (color shadings in the lower panels).

从多要素的协同变化上,第一模态配置不受明显的异常风场形成的切变线(图 4a)和异常θse梯度形成的θse平流影响(图 4c)。当时间序列为正时,全省处于暖湿气团控制下,此时虽然全省受一致异常西南风影响,但是风速大小有差异,大风核位于湘南,左前方(湘中以北)是气旋性切变辐合区,有利于降水,与暴雨正异常对应,右侧(湘东南)为反气旋性辐散区,不利于降水,与暴雨负异常对应。当时间序列为负时,全省转为异常东北风控制,暴雨正异常主要发生在异常东北风的左前方(湘中以南)。

第二模态配置受异常辐合、辐散(图 4b)以及异常θse平流的直接影响(图 4d)。当时间序列为正时,湘中以南存在异常东北风和异常西风交汇形成的冷式切变线,且省内存在较强的异常θse梯度,湘中以北受异常干冷平流控制,暴雨正异常发生在干冷平流前部及切变线附近。当时间序列为负时,湘中以南转为异常西南风和异常东风形成的辐散区控制,而湘中以北仍然存在异常干冷平流,暴雨正异常产生在干冷平流前部的相对暖湿区。

需要注意的是,由于在MEOF分解之前对变量进行了标准化处理,所以风场与降水异常场仅表示个例对背景场平均状态的偏离程度,并不能完全代表风场与降水的配置。为了直观分析前两个模态对应的大气环流形势特征,接下来对分解之后时间序列标准差值大于1(正异常)或小于-1(负异常)的强弱典型个例(图 5)提取背景场进行合成分析,进一步讨论引发湖南省西南涡暴雨的环流配置。根据以上标准,第一模态正异常典型暴雨日共5个,负异常共8个,第二模态正异常典型个例共9个,负异常共8个,具体日期见表 1

图 5 大气环流MEOF分解的第一模态(黑色实线)和第二模态(红色虚线)的标准化时间系数(绿色虚线为标准差等于1或-1的直线) Fig. 5 The normalized time coefficient series of the first mode (black line) and second mode (red line) of MEOF. The horizontal green dashed lines are for values of 1 or -1 standard deviation.

表 1 湖南西南涡暴雨的典型个例统计表 Table 1 Typical Southwest China vortex rainstorm cases of Hunan Province.
3.2 环流特征及分类

图 6是基于MEOF展开的前两个模态典型个例(图 5表 1)合成环流及地面降水分布,根据700 hPa西南涡及925 hPa风场、θse、水汽的配置情况,将形势场分为三类,分别是暖区类、锋面类、回流类。

图 6 基于表 1典型个例的合成环流(左侧)和日平均降水(右侧,单位:mm·d-1): 形势场包括700 hPa位势高度场(蓝色等值线,单位: dagpm)以及925 hPa假相当位温(红色等值线,单位:K)、风场(全风速≥6 m·s-1或经向风 < -0.1 m·s-1,绿色风羽,单位: m·s-1)、水汽通量(填色,单位: g·cm-1·hPa-1·s-1);(a、b) 第一模态正异常, (c、d)第一模态负异常, (e、f) 第二模态正异常, (g、h) 第二模态负异常 Fig. 6 Composite analysis of synoptic situation (left panels) and daily mean precipitation (units: mm·d-1, right panels) for typical cases based on Table 1. The synoptic situation include geopotential height (blue contour, units: dagpm) at 700 hPa and equivalent potential temperature (red contour, units: K), wind (≥6 m·s-1 or meridional wind < -0.1 m·s-1, green barb, units: m·s-1), moisture flux (shading, units: g·cm-1·hPa-1·s-1) at 925 hPa. (a, b) first mode of positive anomaly, (c, d) first mode of negative anomaly, (e, f) second mode of positive anomaly, and (g, h) second mode of negative anomaly.

第一类(暖区类):暖区降水判断指标主要基于陈玥等(2016)提出的长江中下游地区的暖区暴雨标准,以及汪玲瑶等(2018)提出的江南地区暖区暴雨定义,即暴雨发生在切变线(锋线)以南100~300 km的暖区内,不受明显冷空气或台风等热带系统直接影响,第一模态正异常(图 6ab)和第二模态负异常(图 6gh)均符合暖区暴雨特征。它们的共同点表现为暴雨发生在西南涡槽前一致南风形势下深厚(925—700 hPa)的暖湿空气中,冷空气位置相对湖南偏北,省内不受干冷平流影响,此时暴雨落区在湘中以北,且强度比另外两类更强(图 6df)。具体来看,第一模态正异常形势下,整个湖南位于700 hPa西南涡槽前,低层受西南暖湿气流和θse大于344 K的暖脊控制,湖南境内西南急流与等温线夹角超过45°,全省处于暖平流和水汽通量超过10 g·cm-1·hPa-1·s-1的高湿舌控制下,持续的高温高湿平流有利于低层热力不稳定增长,暴雨发生在急流轴左前方(湘中以北)高温高湿环境中(图 6b)。与第一模态形成对比的是,第二模态负异常虽然西南气流不如第一模态旺盛,省内高温高湿程度相对较弱(< 340 K),但是急流强度与温湿差异不影响其表现出的暖区特征。该类暴雨发生在水汽丰富、强热力不稳定的南风环境下,暴雨机制可能与大风核左侧的气旋式切变辐合和复杂地形有关(周长春,2015何立富等,2016)。此外,该类西南涡暴雨主要出现在春夏季(表 1)。

第二类(回流类):回流降水天气形势表现为降水发生在低空西南气流和近地面高压底部的偏东风回流影响下(李子良,2006胡顺起等,2017),第一模态负异常环流表现出回流特征(图 6cd)。700 hPa西南涡位于川东,低涡东侧江淮、黄淮地区受高压脊(310 dagpm)控制,对应925 hPa天气图上黄淮地区存在一个反气旋(高压)中心,锋面(θse密集带)位于广西到贵州境内。此时,湖南位于该高压底部和锋面后部(东北侧),全省受一致偏东风回流影响,在边界层形成θse低于334 K且水汽通量小于6 g·cm-1·hPa-1·s-1的干冷垫,700 hPa西南涡槽前西南暖湿空气在干冷垫上爬升,这构成了典型的回流降水形势,暴雨产生机制可能与山脉地形背风回流、锋面次级环流及西南涡发展有关(李子良,2006周雪松和谈哲敏,2008李青春等,2011)。该类西南涡暴雨主要位于湘东南,强度较暖区类更弱,与锋面类相当,多集中在春秋季(占88%,表 1)。

第三类(锋面类):锋面降水指发生在锋面附近的降水,第二模态正异常具有锋面降水特征(图 6ef)。925 hPa天气图上,湘中地区(26°—28°N)存在一条东西向的θse密集带,并且该密集带与南北两侧风场均有较大夹角,密集带两侧暖湿气团和干冷气团交汇触发锋生,在湘中以南形成明显的准东西向锋区。锋区上空耦合了700 hPa西南涡槽前的作用,加强了锋面垂直运动发展,此时暴雨位于锋面附近。与前两类暴雨不同的是锋面类受较强切变线和冷空气直接影响,暴雨强度与回流类相似,但两者降水机制不同。锋面暴雨和暖区暴雨的季节分布较一致,都集中在春夏季(占78%,表 1)。

此外,在三类西南涡形势场中,暴雨均发生在西南涡槽前暖湿气流中,这可能是因为西南涡南侧曲率涡度及正涡度大,槽前西南气流比不伴随西南涡时具有更强的正涡度输送,为暴雨提供了更有利条件。值得注意的是,上述分类仅基于MEOF分解的前两个主要模态,因此可能不包含全部的环流形势场配置。

3.3 k均值聚类法分类结果

经MEOF分解后的三类西南涡暴雨形势场较好地反映了湖南上空大气环流的局地变化及要素协同变化特征,本节进一步利用k均值聚类法计算三种分类,并与MEOF结果进行对比验证。该方法计算区域与MEOF方法相同,使用参数为标准化处理后的逐格点(共57×57个)700 hPa位势高度及925 hPa风场(经向风和纬向风)。

图 7是基于聚类结果的三类合成环流配置,其中第一类环流分布符合暖区暴雨形势(图 7a)并与MEOF分解的暖区类(图 6ag)具有相似性,经统计,该类包含了85%典型暖区个例(表 1)。第二类环流分布具有回流特征(图 7c)并与MEOF分解的回流类(图 6c)相似,该类包含了全部(100%)典型回流个例(表 1)。第三类环流分布(图 7e)与锋面类(图 6e)相似,但是暖湿气流强度更强且冷空气更弱,因此锋面更加偏北,该类包含了三分之二(67%)典型锋面个例(表 1)。从暴雨空间分布上,基于聚类的暖区类和回流类与MEOF分类结果具有一致性,其中暖区类暴雨强度最强,落区同样集中于湘中以北(图 7b),回流类暴雨强度比暖区类弱,落区同样集中于湘东南(图 7d)。而锋面类暴雨落区集中在湘中(图 7f),与MEOF锋面类集中在湘南有差异(图 6f),产生这种差异的原因可能是基于聚类的暖湿气流更强、锋面更加偏北造成的。

图 7 基于k均值聚类法的三类合成环流(上方)和日平均降水(下方,单位:mm·d-1): 形势场包括700 hPa位势高度场(蓝色等值线,单位: dagpm)以及925 hPa假相当位温(红色等值线,单位: K)、风场(全风速≥6 m·s-1或经向风 < -0.1 m·s-1,绿色风羽,单位: m·s-1)、水汽通量(填色,单位: g·cm-1·hPa-1·s-1);(a、b) 第一类,(c、d) 第二类,(e、f) 第三类 Fig. 7 Composite analysis of synoptic situation (upper panels) and daily mean precipitation (units: mm·d-1, lower panels) based on k-mean clustering. The synoptic situation include geopotential height (blue contour, units: dagpm) at 700 hPa and equivalent potential temperature (red contour, units: K), wind (≥6 m·s-1 or meridional windxy-0.1 m·s-1, green barb, units: m·s-1), moisture flux (shading, units: g·cm-1·hPa-1·s-1) at 925 hPa. (a, b) first category, (c, d) second category, and (e, f) third category.

三类西南涡暴雨的季节分布与MEOF结果一致(表 2),即西南涡暖区暴雨(85%)和锋面暴雨(96%)均集中在春夏季,回流暴雨集中在春秋季(86%),其中回流暴雨是秋季西南涡暴雨的主要天气形势(63%)。通过以上对比,基于k均值聚类的三种分类与MEOF分类结果基本一致,同样体现出暖区类、回流类、锋面类特征,表明这三种天气学分类具有一定合理性。

表 2 基于k均值聚类的湖南西南涡暴雨季节分布 Table 2 Seasonal distribution of Southwest China vortex rainstorm cases of Hunan Province based on k-mean clustering.
4 结论与讨论

本文基于2012—2016年西南低涡年鉴资料,统计分析了引发湖南暴雨的西南涡移动特征和西南涡暴雨的时空分布特征,并对西南涡暴雨天气进行了客观分类,得出以下结论:

(1) 西南涡暴雨占湖南总暴雨日数的三分之一,大多由偏东路径的西南涡造成,涡源类型以盆地涡(57%)和九龙涡(31%)为主。湘西北地区西南涡暴雨频率最高、量级最大,这可能与偏东路径的西南涡主要影响湖南西北部、北部有关。

(2) 湖南省西南涡暴雨天气主要分为暖区类、回流类、锋面类,其中暖区类暴雨强度最强,回流类和锋面类强度相当。此外,西南涡暖区暴雨和锋面暴雨集中在春夏季,回流暴雨集中在春秋季。

(3) 暖区暴雨发生在西南涡槽前深厚的暖湿气流中,不受冷空气直接影响,暴雨落区集中在湘中以北。回流暴雨主要形成于低空高压后部东风回流和西南涡槽前西南气流耦合区,暴雨落区主要位于湘东南,该类是秋季西南涡暴雨的主要天气形势。锋面暴雨由于锋区与西南涡槽前耦合叠加,落区位于锋面附近并沿切变线分布。

本文对湖南省西南涡暴雨天气形势进行了基础分类,三类环流配置的天气学概念清晰,业务应用性强,对一线预报员在西南涡暴雨预报中具有参考价值,同时客观方法在不同地区便于推广应用。但在业务实践中还需结合物理量场、多普勒天气雷达资料等对暴雨过程进行综合分析,进一步提高对西南涡暴雨天气的数值预报模式订正能力。

参考文献
陈涛, 张芳华, 端义宏. 2011. 广西"6.12"特大暴雨中西南涡与中尺度对流系统发展的相互关系研究[J]. 气象学报, 69(3): 472-485.
陈静静, 叶成志, 吴贤云. 2016. 湖南汛期暴雨天气过程环流客观分型技术研究[J]. 暴雨灾害, 35(2): 119-125. DOI:10.3969/j.issn.1004-9045.2016.02.004
陈玥, 谌芸, 陈涛, 等. 2016. 长江中下游地区暖区暴雨特征分析[J]. 气象, 42(6): 724-731.
范娇, 陈科艺. 2019. 有无台风影响下西南涡特征统计分析[J]. 高原气象, 38(4): 744-755.
郝丽萍, 周瑾, 康岚. 2016. 西南涡暴雨天气过程分析和数值模拟试验[J]. 高原气象, 35(5): 1182-1190.
韩林君, 白爱娟. 2019. 2004-2017年夏半年西南涡在四川盆地形成降水的特征分析[J]. 高原气象, 38(3): 552-562.
何光碧. 2012. 西南低涡研究综述[J]. 气象, 38(2): 155-163.
何立富, 陈涛, 孔期. 2016. 华南暖区暴雨研究进展[J]. 应用气象学报, 27(5): 559-569.
湖南省气象局. 2018. 湖南省气候分析图集[M]. 北京: 气象出版社.
胡顺起, 曹张驰, 陈滔. 2017. 山东省南部一次极端特大暴雪过程诊断分析[J]. 高原气象, 36(4): 984-992.
蒋璐君, 李国平, 王兴涛. 2015. 基于TRMM资料的高原涡与西南涡引发强降水的对比研究[J]. 大气科学, 39(2): 249-259.
廖移山, 冯新, 石燕, 等. 2011. 2008年"7.22"襄樊特大暴雨的天气学机理分析及地形的影响[J]. 气象学报, 69(6): 945-955.
李子良. 2006. 地形降水试验和背风回流降水机制[J]. 气象, 32(5): 10-15.
李跃清, 徐祥德. 2016. 西南涡研究和观测试验回顾及进展[J]. 气象科技进展, 6(3): 134-140.
李青春, 程丛兰, 高华, 等. 2011. 北京一次冬季回流暴雪天气过程的数值分析[J]. 气象, 37(11): 1380-1388. DOI:10.7519/j.issn.1000-0526.2011.11.008
李玉梅, 李勋, 冯文, 等. 2016. 秋季西沙非台风强降水天气形势分析[J]. 气象, 42(8): 934-943.
刘金卿, 李子良. 2020. 一次西南涡诱生气旋引发的湖南大暴雨个例分析[J]. 高原气象, 39(2): 311-320.
刘红武, 邓朝平, 李国平, 等. 2016. 东移影响湖南的西南低涡统计分析[J]. 气象与环境科学, 39(1): 59-65.
卢萍, 翟丹华, 李英, 等. 2014a. 影响重庆暴雨的三类西南低涡浅析[J]. 热带气象学报, 30(4): 736-746.
卢萍, 李跃清, 郑伟鹏, 等. 2014b. 影响华南持续性强降水的西南涡分析和数值模拟[J]. 高原气象, 33(6): 1457-1467.
慕丹, 李跃清. 2018. 基于ERA-interim再分析资料的近30年九龙低涡气候特征[J]. 气象学报, 76(1): 15-31.
潘志祥. 2015. 湖南省天气预报手册[M]. 北京: 气象出版社.
汪玲瑶, 谌芸, 肖天贵, 等. 2018. 夏季江南地区暖区暴雨的统计分析[J]. 气象, 44(6): 771-780.
王金虎, 李栋梁, 王颖. 2015. 西南低涡活动特征的再分析[J]. 气象科学, 35(2): 133-139.
王晓芳, 廖移山, 闵爱荣, 等. 2007. 影响"05.06.25"长江流域暴雨的西南低涡特征[J]. 高原气象, 26(1): 197-205. DOI:10.3321/j.issn:1000-0534.2007.01.023
许爱华, 谌芸. 2013. 中尺度天气图分析技术在2011年我国南方4次强降水过程中的应用[J]. 气象, 39(7): 883-893.
叶瑶, 李国平. 2016. 近61年夏半年西南低涡的统计特征与异常发生的流型分析[J]. 高原气象, 35(4): 946-954.
叶成志, 潘志祥, 蔡荣辉, 等. 2016. 高山气象站资料代表性及应用价值研究[M]. 北京: 气象出版社.
颜映. 2012. 东亚季风的时间变化及其预报探讨[J]. 海洋学研究, 30(2): 21-26. DOI:10.3969/j.issn.1001-909X.2012.02.004
周雪松, 谈哲敏. 2008. 华北回流暴雪发展机理个例研究[J]. 气象, 34(1): 18-26.
周长春, 吴蓬萍, 周秋雪. 2015. 一次复杂地形暖区强降水的特征及触发机制分析[J]. 暴雨灾害, 34(1): 27-33. DOI:10.3969/j.issn.1004-9045.2015.01.004
中国气象局成都高原气象研究所, 中国气象学会高原气象学委员会. 2013. 西南低涡年鉴2012[M]. 北京: 科学出版社.
中国气象局成都高原气象研究所, 中国气象学会高原气象学委员会. 2015. 西南低涡年鉴2013[M]. 北京: 科学出版社.
中国气象局成都高原气象研究所, 中国气象学会高原气象学委员会. 2016a. 西南低涡年鉴2014[M]. 北京: 科学出版社.
中国气象局成都高原气象研究所, 中国气象学会高原气象学委员会. 2016b. 西南低涡年鉴2015[M]. 北京: 科学出版社.
中国气象局成都高原气象研究所, 中国气象学会高原气象学委员会. 2017. 西南低涡年鉴2016[M]. 北京: 科学出版社.
Feng X, Liu C, Fan G, et al. 2016. Climatology and structures of southwest vortices in NCEP Climate Forecast System Reanalysis[J]. Journal of Climate, 29(21): 7675-7701. DOI:10.1175/JCLI-D-15-0813.1
Fu S, Sun J, Zhao S, et al. 2011. The energy budget of a southwest vortex with heavy rainfall over south China[J]. Advances in Atmospheric Sciences, 28(3): 709-724. DOI:10.1007/s00376-010-0026-z
North G, Bell T, Cahalan R, et al. 1982. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review, 110(7): 699. DOI:10.1175/1520-0493(1982)110<0699:SEITEO>2.0.CO;2
Ni C, Li G, Xiong X. 2017. Analysis of a vortex precipitation event over Southwest China using AIRS and in situ measurements[J]. Advances in Atmospheric Sciences, 34(4): 559-570. DOI:10.1007/s00376-016-5262-4
Wang B. 1992. The vertical structure and development of the ENSO anomaly mode during 1979-1989[J]. Journal of Atmospheric Sciences, 49(8): 698-712. DOI:10.1175/1520-0469(1992)049<0698:TVSADO>2.0.CO;2
Wang B, Wu Z, Li J, et al. 2008. How to measure the strength of the East Asian summer monsoon[J]. Journal of Climate, 21(17): 4449-4463. DOI:10.1175/2008JCLI2183.1
Wang Q, Tan Z. 2014. Multi-scale topographic control of southwest vortex formation in Tibetan Plateau region in an idealized simulation[J]. Journal of Geophysical Research: Atmospheres, 119(20): 11543-11561. DOI:10.1002/2014JD021898
Wang X, Liu Y. 2017. Causes of extreme rainfall in May 2013 over Henan Province: the role of the southwest vortex and low-level jet[J]. Theoretical and Applied Climatology, 129(1-2): 701-709. DOI:10.1007/s00704-017-2054-4