雷暴是一种典型的中尺度对流系统(Madhulatha et al., 2013),常伴随暴雨、大风等灾害性天气,对人们日常生活和社会经济发展均有极大影响,因此对雷暴的实时监测和预警具有重要意义。雷暴的形成通常需要三个条件,包括垂直层结不稳定(Kolendowicz et al., 2017; Singh et al., 2018)、充足水汽和抬升触发机制(俞小鼎等,2014;曹舒娅,2019)。以往研究通常使用气球探空数据来分析雷暴前期不稳定和水汽条件,也有使用天气雷达等来监测雷暴的移动路径和发展强度。然而,由于雷暴突发性较强,对流层的热力学性质在降水、对流过程中不断变化(Chan et al., 2009),使得研究受限。为了弥补常规探测手段的不足,目前国内外使用微波辐射计等无球探空资料来对局地中小尺度系统进行研究(陈双等,2016;沈杭锋等,2016;Das,2017)。Chakraborty (2016)用辐射计温度廓线观测到了雷暴发生时降水过程引起的低层大气剧烈降温。王婷婷(2011)使用辐射计的实时探空曲线捕捉到干湿雷暴前大气层结曲线的不同演变特征。微波辐射计还能根据水汽吸收带的辐射状况获取大气水汽、液态水分布(敖雪等,2011;牟艳彬等,2018),如刘红燕(2009)、张文刚等(2015)观测到辐射计水汽值的跃变对强天气有明显指示性。另外,对微波辐射计探测资料进一步计算得到的强对流指数(Pushpa et al., 2016)在雷暴的监测预警中效果显著。
国内相关研究证明,微波辐射计资料获取的大气温湿、水汽等要素的垂直廓线,在雷暴等中小尺度系统的诊断分析和气象要素连续变化的研究中有良好应用效果。本文利用地基微波辐射计资料和风廓线雷达垂直风场等资料,对比研究了昆明长水机场一次天气尺度强迫下生成的高空槽雷暴和一次局地热力性雷暴发生发展过程中,包括热力学参数、气象要素时空演变、水汽和降水转化等不同特征和差异,研究微波辐射计温湿参量在不同性质雷暴及降水过程中的应用效果,并得到一些对雷暴等强对流天气有预警意义的特征指标。
1 设备和资料本文采用资料来源于昆明长水国际机场的HTG-4型(北京爱尔达电子设备有限公司研制)地基微波辐射计探测资料,包括温度、相对湿度、水汽密度廓线,综合水汽(IWV)、积分液态水(LWP)和大气可降水量(PW)。另外还使用对应时段的机场自观记录、无线电气球探空资料以及风廓线雷达资料。
微波辐射计依据大气中气体粒子对大气的衰减作用,来探测与大气温度、湿度相联系的气体粒子空间分布。HTG-4型地基微波辐射计通过接收氧分子的辐射强度反演大气温度情况,利用水汽的辐射强度同其密度成正比的原理来遥感探测湿度信息。该仪器共配置两个频段,14个信号通道,实时获取机场上空地面至空中10 km范围内的温度、相对湿度、水汽密度、水汽总量和液态水路径等资料,其基本参数配置见表 1。由于微波辐射计水汽密度资料表示了大气中各层水汽的含量,因此,可利用水汽密度随高度分布的经验公式进一步计算出大气可降水量(PW)
$ P W_{1}=\int_{0}^{\infty} d m_{v}=\int_{0}^{\infty} \rho_{v} \mathrm{~d} z $ | (1) |
$ P W=\frac{1}{\rho} \sum \rho_{v} \Delta z $ | (2) |
式(1)—(2)中,PW1为大气可降水量,PW为换算为水深的可降水量(单位:mm),mv为大气中水汽的质量,ρv为水汽密度,z为垂直高度,ρ为液态水密度。
为了对微波辐射计的资料质量进行初步评估,文中引入相关系数(CC),计算公式如下
$ C C=\frac{\sum\limits_{i=1}^{n}\left(x_{i}-\bar{x}\right)\left(y_{i}-\bar{y}\right)}{\sqrt{\sum\limits_{i=1}^{n}\left(x_{i}-\bar{x}\right)^{2} \sum\limits_{i=1}^{n}\left(y_{i}-\bar{y}\right)^{2}}} $ | (3) |
式(3)中,xi和yi分别为微波辐射计和气球探空得到的参数值。
2 天气形势分析 2.1 个例选取昆明机场受到多种天气系统的影响,当地雷暴天气频发,且雷暴过程之间差异性较大。根据邹琴等(2017)对2006—2015年影响昆明机场地区强雷暴过程的统计结果,昆明机场的雷暴主要有两类:一类是天气尺度系统过境(如锋面或空中槽线等)引发的雷暴。另一类是没有天气系统控制,而是局地午后或傍晚出现的突发性短时雷暴。本文分别选取了两种雷暴的典型个例进行分析,包括2016年8月6日发生的在明显天气尺度强迫情况下生成的雷暴(以下简称天气尺度强迫下雷暴过程)和8月21日发生的局地热力雷暴过程(以下简称热力雷暴过程)。
2.2 天气图分析图 1为2016年8月6日08∶00 (北京时,下同)和8月21日08∶00的500 hPa天气图。天气尺度强迫下雷暴过程是在高空前倾槽和低空切变线的共同影响下生成。从中可见,在6日08∶00,500 hPa上昆明位于两高压中心之间的低压槽下方,有利于雷暴等强天气的形成。据机场天气记录,18∶07机场西面闻雷,3 min后阵雨开始,雷暴移至机场上方,雷暴在机场上方发展到最强后东移减弱,20∶47于机场东部消散,整个过程持续3 h左右,降雨持续到22∶30,整个过程降水量达28 mm。热力雷暴过程是高层受高压控制,低层为弱气压场影响。我国500 hPa处于副热带高压控制下,盛行偏东风,层结较稳定。据记录,19∶47机场东北向闻雷,21∶10雷暴系统移至机场北面,21∶15— 22∶02本场有弱阵雨,总降水量仅0.3 mm,22∶45雷暴消散。热力雷暴过程持续3 h。
图 2给出两类雷暴过程的气球探空T-lnp图。从中可见,天气尺度强迫下雷暴当日08∶00 (图 2a),中低层湿度较大,风向顺时针旋转,表明本站有暖平流;对流有效位能(CAPE)为559.4 J·kg-1,沙氏指数为-0.07,本站呈弱对流不稳定态势。到了20∶00 (图 2b),高层湿度增大,CAPE为498.6 J·kg-1,不稳定能量开始释放,沙氏指数达-2.24,此时雷暴已将开始。热力雷暴过程当日08∶00 (图 2c),650 hPa以上干燥,高低层风向一致,CAPE值为304 J·kg-1,沙氏指数大于3。20∶00 (图 2d),CAPE为261.9 J·kg-1,沙氏指数为0.99,当日两次探空中,抬升凝结高度(LCL)均较高,且对流抑制能量较强。两次雷暴均发生在离业务放球时间(08∶00和20∶00)较长的时段,天气尺度强迫下雷暴过程在高低空天气系统影响下产生,环流形势上有一些预示;而热力雷暴过程无明显天气系统影响且发生时间较晚,08∶00的探空和环流形势上均没有预示。
HTG-4型地基微波辐射计探测的温湿数据结合风廓线雷达风场数据,参照气球探空的原理,能给出当地实时探空图,结果如图 3所示。为了更好比较,选取天气尺度强迫下雷暴的前期(图 3a)、成熟期(图 3b)两时间段进行分析。8月6日,雷暴前40 min (17∶24),CAPE为695 J·kg-1,700 hPa上下饱和度较大,对流凝结高度(CCL) 低于850 hPa,大气层结不稳定,有利于雷暴天气的出现。雷暴开始后,不稳定能量迅速释放,以1.2 km为界,呈“上干下湿”分布;18∶19,800—600 hPa形成深厚等温层,雷暴在的等温层之上发展,此时辐射计受到降水影响,露点温度偏差较大。此后,探空曲线逐渐向雷暴过程前恢复(图略)。由于热力雷暴过程中探空曲线对降水的开始更为敏感,因此取雷暴降水前期(图 3c)、成熟期(图 3d)来分析。热力雷暴降水前,21∶14,探空图上CAPE值较小,在100 J·kg-1左右,且存在CIN,说明对流不会发展很强;低层温度露点差在2 ℃左右,空气中湿度较大。降水开始后,CAPE迅速减小到0,700 hPa达到饱和,对流发展旺盛。
微波辐射计的探空曲线可详细分析出天气尺度强迫下雷暴及热力雷暴降水过程前后大气稳定度的变化,对比常规气球探空,更有利于发生在午后较迟时刻等非放球时间的雷暴观测,另外通过高时间精度T-lnp图的变化,更能突出微波辐射计对大气层结条件的实时监测能力。对文中两次雷暴过程中微波辐射计资料质量进行初步评估,在时空同步处理后,计算其温湿参量的相关系数,结果如表 2。对比分析可知,微波辐射计和气球探空温湿参量的相关性较好,微波辐射计的温度、水汽密度数据在降水后依然能保持较高探测精度,但较强的雷暴降水过程对辐射计高层相对湿度数据的精度有较大影响,因此在第三节雷暴相对湿度特征的分析中仅涉及降水前以及降水后大气层结的干湿状态。
在强对流天气的形成和发展过程中,大气层气象要素的垂直分布会发生显著变化。下面利用微波辐射计高时间分辨率观测资料,进一步对两种雷暴的温度、相对湿度和水汽密度的垂直分布和变化特征进行分析。
图 4为两个雷暴个例发展演变期间的温度、水汽密度和相对湿度的垂直分布。从中可见,正午之后,对流层低层大气在太阳辐射的作用下显著升温,受到地表加热的影响,低层空气的饱和度降低,相对湿度呈“上下干,中间湿”分布特征。受到高低空槽线切变线的影响,天气尺度强迫下雷暴当日(图 4a1、b1、c1)大气温湿变化剧烈,相对湿度高湿区厚度达4—5 km,上下边缘波动大。16∶00,在高温影响下,低层饱和度进一步减小,垂直方向上湿度梯度增大,预示强对流的产生。17∶20起,0—2 km大气温度陡然下降,下沉气流出现,相对湿度高湿区向上下扩展,中心值达90 %以上,0—4 km水汽密度开始显著增大,水汽积聚。18∶02— 18∶07,0—1.2 km降温,1.2—4 km温度升高并达到峰值,其中地表降温达4 ℃,3 km处增温达5 ℃,低层大气垂直运动显著,温度的反向变化引起了高低层饱和度的转变,相对湿度转为“上干下湿”分布。此时,各层水汽密度达到峰值,1.5 km水汽密度增幅达2.97 g·m-3,低层有充足水汽,雷暴开始在机场上空发展。雷暴开始后,0—1 km持续降温并伴随强降水,随着雷暴的发展,下沉气流逐渐增强,此后雷暴进入消亡期。
如图 4a2、b2、c2所示,热力雷暴主要由局地增热引起。8月21日,雷暴前8 h (12∶00)到雷暴前40 min (19∶18),0—1 km大气存在长时间的增温过程,期间低层温度平均增高3 ℃。对比8月6日的天气尺度强迫下雷暴,热力雷暴当日相对湿度的高湿区窄而平滑,并于雷暴降水前20 min上下扩展,中心值升至90 %,对应水汽密度也显著上升,半小时内2—3 km水汽密度平均增大0.38 g·m-3,小于系统性雷暴,反映了两类雷暴降水强度的差异。雷暴降水开始后,水汽密度逐渐减小,高低层大气温度在1 km上下也出现反向变化,1 km以上平均升温3 ℃,0—1 km平均降温2 ℃,温度变化相对缓慢;相对湿度逐渐转为“上干下湿”分布。
两类雷暴减弱后,大气温湿分布逐渐恢复常态,但受到持续降水的影响,天气尺度强迫下雷暴结束后,低层大气降温显著,低层空气维持饱和状态时间长。
3.2 水汽和降水的变化特征分析雷暴降水的产生需要充足的水汽,而大气中水分是以气态、固态和液态三种形式存在。以往对雷暴降水的分析研究,因为缺乏连续资料,不能较好地区分不同形态的水在降水发展中的作用。HTG-4型微波辐射计可通过接收22-31 GHz频段水分子的辐射信息,反演出代表 0—10 km内气态水总量的积分水汽含量(IWV)和云层内液态水路径(LWP) (李铁林等,2007)。为详细分析两类雷暴降水期间不同形态的水在降水发展中的作用。图 5给出了两类雷暴发展演变过程中IWV和LWP的观测结果。两类雷暴在来临前,空中云水含量均较少,IWV低于30 kg·m-2,LWP低于0.01 kg·m-2。从图 5a可见,当天气尺度强迫下雷暴发生时,IWV在33 kg·m-2左右,17∶10—17∶50,IWV略微升高,LWP剧烈波动,水汽、液态水在高温的影响下起伏明显。大气饱和后,0—1 km持续降温使LWP自17∶52起迅速跃升到1 kg·m-2以上,10 min后达到峰值3.04 kg·m-2。此时1.2 km以上大气显著增温,1 min内温度升高达0.2~0.6 ℃,对应高度的云中液态水受热蒸发,LWP减少,IWV跃升30 kg·m-2。而当地面产生降水后,LWP不断减小,而降水带来大量的水分使得IWV持续升高,雨滴下落时的强下沉气流引起了低层的剧烈降温,在本地水汽充分的条件下,温度的骤降又进一步引起降水强度的增大。强降水期间IWV减小7.6 kg·m-2,一部分形成地面强降水,一部分转化为云中液态水,LWP升高0.66 kg·m-2。降水期间IWV和LWP的反相变化关系,较好地反映了降水过程中气态水和液态水的互相转化过程。热力雷暴过程的变化如图 5b,可见热力作用增强与局地降水相伴随。热力雷暴过程中,IWV在30 kg·m-2左右波动变化。19∶15,低层温度已达峰值,相对湿度中心值为80 %,此时IWV逐渐增大,水汽积聚。20∶30后,IWV的加速上升和低层温度的降低,导致了空气饱和度的增大,预示着降水的临近。19∶15—21∶15,IWV均匀上升,增加6.19 kg·m-2,其增量远低于系统性雷暴降水。LWP在21∶15后显著上升。强降水阶段,LWP迅速增大,峰值达1.8 kg·m-2,伴随着降水强度的明显减弱,IWV、LWP几乎同时转为下降趋势。
图 6是由各层水汽密度含量积分算出的两次雷暴降水过程的PW曲线。PW是单位面积气柱内的水汽总量,代表降水可能发生的最大强度,其演变趋势同IWV基本一致,但对降水的指示更明确。两次雷暴降水前2 h,PW开始上升,达到峰值后地面降水开始,但由于是雷暴引起的短时强降水,两次降水前,PW上升时间更短,增长速度更快。天气尺度强迫下雷暴当日的PW比热力雷暴高2~3 mm,说明高空前倾槽为系统性雷暴的产生带来了更加充足的水汽条件。天气尺度强迫下雷暴降水期间PW峰值为45.4 mm,总增幅14.6 mm,实际降水达28 mm;对应IWV,降水前10 min,PW也有近10 mm的增长量。热力雷暴降水期间,PW峰值为36.5 mm,总增幅7.5 mm,实际降水却不到1 mm。
选取两次雷暴降水前后发生显著升(降)温层次的温度廓线(图 7),结合水汽、液态水条件综合分析,明显天气尺度强迫下,雷暴降水前,以1.2 km为界,高低层温度反向变化,1.2—4 km正处于云层,该层升温使得云中液态水蒸发,对应IWV和PW迅速升高且居高不下,但18∶02—18∶10,IWV增量达29.9 kg·m-2,LWP所转化的0.95 kg·m-2远小于IWV的增量,结合IWV的跃升过程,认为降水前西南暖湿气流为当地带来了强水汽输送。降水开始后,1.2 km以上温度到达峰值,降水及其带来的下沉气流使得0—1 km发生剧烈降温,引起饱和空气里的水汽加速凝结下落,降水强度增大;且降水前减小的LWP中,部分较大液滴可能直接降落,因此系统性雷暴当日降水强度较大。而热力雷暴降水前期,温度无显著变化,LWP极小;降水后,高低层温度均匀升高(降低),IWV和LWP也均匀变化,整个降水过程中水汽的转化量极小。
对雷暴发展演变过程中温度、湿度和水汽密度等气象要素探测,有助于提高雷暴监测和预警预报能力。本文利用一步地基微波辐射计的高时间分辨率探测资料,对昆明长水国际机场两次不同性质雷暴天气过程不同发展阶段的气象要素时空分布和演变特征进行了研究,得到如下结论:
(1) 与探空资料相比,微波辐射计资料能更精细和连续地反映出雷暴发展过程中大气层结状态。在明显天气尺度强迫下,雷暴过程前40 min,CAPE值显著增大,CCL和LCL较低,层结开始不稳定。在热力雷暴前几分钟,出现CAPE正值。
(2) 不同类型雷暴的温度和湿度分布及变化特征具有明显差异。在明显天气尺度强迫下,雷暴发生前40 min,低层(0—1.2 km)显著降温,相对湿度和水汽密度均升高。雷暴前10 min,1 km以上(以下)温度剧烈增高(降低),水汽密度显著增高。局地热力雷暴前8 h~40 min,大气温度均匀持续上升。降水前20 min,相对湿度湿区开始上下扩展,高低层温度在降水开始后呈反向变化,但温度升降较缓慢。
(3) IWV、LWP能较好描述两类雷暴降水期间的水相变化。天气尺度引发的雷暴在降水前1 h,IWV、LWP开始增大,并相互转化,降水时,IWV减小7.6 kg·m-2,转化为LWP和地面强降水。热力雷暴降水前2 h,IWV均匀增大,LWP在降水时跃升,降水强度减弱时,对应IWV、LWP转为下降趋势。
(4) PW值可指示雷暴降水的强度。天气尺度强迫下的雷暴,降水前10 min,PW跃升近10 mm,PW值显著减小时,降水减弱结束。热力雷暴过程中水汽增量幅度稍低,且降水前后温度变化较均匀,PW于降水前30 min增加7.5 mm,降水后PW迅速减小。
敖雪, 翟晴飞, 潘旭光. 2011. 地基微波辐射计资料在降水分析中的应用[J]. 暴雨灾害, 30(4): 358-365. DOI:10.3969/j.issn.1004-9045.2011.04.012 |
曹舒娅. 2019. 2014年初春江苏一次高架雷暴成因分析[J]. 沙漠与绿洲气象, 13(4): 88-95. |
陈双, 王迎春, 张文龙, 等. 2016. 北京香山"7.29"γ中尺度短时局地大暴雨过程综合分析[J]. 暴雨灾害, 35(2): 148-157. DOI:10.3969/j.issn.1004-9045.2016.02.007 |
李铁林, 刘金华, 刘艳华, 等. 2007. 利用双频微波辐射计测空中水汽和云液水含量的个例分析[J]. 气象, 33(12): 62-68, 137. |
刘红燕, 王迎春, 王京丽, 等. 2009. 由地基微波辐射计测量得到的北京地区水汽特性的初步分析[J]. 大气科学, 33(2): 388-396. DOI:10.3878/j.issn.1006-9895.2009.02.16 |
牟艳彬, 宋静, 傅文伶, 等. 2018. HTG-4型微波辐射计的航空气象预报应用研究[J]. 高原山地气象研究, 38(1): 37-43. |
沈杭锋, 张红蕾, 高天赤, 等. 2016. 浙江盛夏一次强对流天气的特征及其成因分析[J]. 气象, 42(9): 1105-1113. |
王婷婷, 王迎春, 张文龙. 2011. 北京干湿雷暴过程的地基微波辐射资料对比分析[J]. 暴雨灾害, 30(1): 11-18. |
俞小鼎, 周小刚, 王秀明. 2012. 雷暴与强对流临近天气预报技术进展[J]. 气象学报, 70(3): 311-337. DOI:10.3969/j.issn.1004-4965.2012.03.003 |
张文刚, 徐桂荣, 万蓉, 等. 2015. 基于地基微波辐射计的大气液态水及水汽特征分析[J]. 暴雨灾害, 34(4): 367-374. DOI:10.3969/j.issn.1004-9045.2015.04.010 |
邹琴, 谢屹然, 许迎杰. 2017. 昆明长水国际机场雷暴天气特征及其成因[J]. 云南地理环境研究, 29(4): 17-23. |
Chan P W. 2009. Performance and application of a multi-wavelength, ground-based microwave radiometer in intense convective weather[J]. Meteorologische Zeitschrift, 18(3): 253-265. |
Chakraborty R, Das S, Maitra A. 2016. Prediction of convective events using multi-frequency radiometric observations at Kolkata[J]. Atmospheric Research, 169: 24-31. |
Das S. 2017. A random forest algorithm for nowcasting of intense precipitation events[J]. Advances in Space Research, 60(6): 1271-1282. |
Kolendowicz L, Taszarek M, Czernecki B. 2017. Atmospheric circulation and sounding-derived parameters associated with thunderstorm occurrence in Central Europe[J]. Atmospheric Research, 191: 101-114. |
Madhulatha A, Rajeevan M, Venkat Ratnam M, et al. 2013. Nowcasting severe convective activity over southeast India using ground-based microwave radiometer observations[J]. Journal of Geophysical Research: Atmospheres, 118(1): 1-13. |
Pushpa S R, Rajasekhar M, Papa R G, et al. 2016. Assessment of forecast indices over Sriharikota using ground-based microwave radiometer[C]//SPIE Asia-pacific Remote Sensing
|
Singh J, Bajaj R. 2018. Stability of Temperature Modulated Convection in a Vertical Fluid Layer[J]. Applied Mathematical Modelling, 61: 408-420. |