地球物理学报  2016, Vol. 59 Issue (6): 1957-1970   PDF    
一种新的综合物理指数构建及其在强降水预报中的应用
李德帅1,2 , 王式功1 , 王金艳1 , 张英华1,3 , 叶培龙1 , 尚可政1     
1. 甘肃省干旱气候变化和减灾重点实验室, 兰州大学大气科学学院, 兰州 730000;
2. 解放军94032部队, 甘肃武威 733000;
3. 解放军94582部队, 河南驻马店 463200
摘要: 强降水是洪灾及相关衍生灾害的最主要原因之一,而过去单靠某一种变量诊断预报强降水,具有较大难度.本文在已有研究的基础上,根据强降水发生发展的物理机制,将引起降水的热力、动力和水汽条件综合考虑,尝试性地构建了一个新的综合指数THP(Temperature, Helicity and Precipitable water).然后针对两次强降水过程,利用NCEP/NCAR 1°×1°的再分析资料和地面常规观测资料,对THP指数进行了诊断分析,并选用2012年7月1日-8月15日的降水实况,对该指数进行了普适性检验.结果表明:(1) THP指数的变化可以有效表征强降水过程的发展和移动.对于降水落区的预报,THP指数的大值区与未来6 h的降水中心基本对应;对于降水发生时刻的预报,THP指数的位相变化超前于地面降水的变化,具有较好的指示性;(2) 对于高空槽前型降水,THP指数对降水强度也有一定的诊断意义,且普适性检验表明,该指数在我国中东部地区的盛夏期间具有良好的适用性;(3) 基于配料法的思想,THP指数将有利于强降水出现的、具有清晰物理意义的信号进行了集成,相比于表征单一物理量的指数,其稳定性得到了增强.
关键词: THP指数      强降水      配料法      诊断预报     
Construction of a new index and its application to forecasting heavy rainfall
LI De-Shuai1,2, WANG Shi-Gong1, WANG Jin-Yan1, ZHANG Ying-Hua1,3, YE Pei-Long1, SHANG Ke-Zheng1     
1. Key Laboratory of Arid Climatic Changing and Reducing Disaster of Gansu Province, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China;
2. Unit 94032 of PLA, Gansu Wuwei 733000, China;
3. Unit 94582 of PLA, Henan Zhumadian 463200, China
Abstract: Heavy rainfall is a severe weather occurring frequently in summer across China. It can not only bring urban waterlogging, landslides, but also cause huge losses of life and property. While it is difficult to forecast depending on the single physical parameters or only based on routine numerical weather prediction. At present the 6-hour-interval TS score of heavy rainfall is just 2.6% in China, much lower than the scores of the wind and temperature fields, so the forecast accuracy of strong precipitation still needs to be improved. From previous research, the occurrence of heavy rainfall has a very close relationship with convective parameters. Therefore it is of particular importance to find an integrated and convenient parameter to characterize the formation mechanism of heavy rainfall.As the atmosphere is an organic combination of dynamic and thermal fluids, and precipitation is the result of many factors in the atmosphere, so the key of precipitation forecasting is data processing and mining strong signals from various early physical quantities. Base on the Ingredients-Based Methodology (IM), this paper introduces a new physical parameter THP (Temperature, Helicity and Precipitable water), which contains atmospheric thermodynamics, dynamics and moisture factors. Using NCEP/NCAR reanalysis data (time resolution every 6 h, spatial resolution 1°×1°) and ground observational data in China, the THP index was diagnosed and analyzed in two heavy precipitation processes in detail. And then, the universality of THP was tested according to precipitation observational data from July 1 to August 15, 2012.The analysis and comparison show that the THP index can provide good direction to the distribution and the movement of summer heavy precipitation, and heavy rainfall is located in the high value area of THP. The variation of THP is ahead of changes in observational precipitation, so THP index can also give a good reference to the beginning and ending time of heavy rain. The THP value is of certain indicating significance to predication of rainfall intensity. Moreover, judging from the inspection effect, the THP index has a good applicability during summer in China mainland. Because the major affecting factors of rainstorms are considered in THP index, the stability of THP is superior to the method of using single physical parameters in forecasting analysis. And compared with some conventional physical parameters, the THP value shows a better correspondence to the precipitation rainfall area in the following 6 hours.The THP index can reflect the characteristic and mechanism of heavy rainfall, and the bigger of the THP value, the bigger probability of rainstorms. Therefore, as a forecaster parameter, the THP index plays a positive role in forecasting heavy rainfall. Besides, the IM method has a clearly physical meaning, and can be used more widely to forecast the locations of other disasters, such as thunderstorms, wind gusts and hail, so as to improve the forecasting level of severe convective storms..
Key words: THP index      Heavy rainfall      Ingredients-based Methodology      Diagnosis and forecasting     
1 引言

强降水是中国夏季频繁发生的灾害性天气,往往具有发展迅速、致灾性强等特点,易引起城市内涝、山体滑坡、农田渍涝等次生灾害,给社会生产和人民生活带来巨大损失.因此,国内外学者一直将其机理及预报作为一个重要的研究方向(高守亭等,2003; 王会军等,2004; Qian and Lin,2005; Zheng et al.,2013),先后从天气系统分型、高低空急流演变及概念模型等方面进行了分析(陶诗言,1980; 孙建华等,2005),总结了强降水的预报着眼点.一些表征大气热力、动力的物理量也被应用到强降水的诊断分析中,如对流有效位能(Rennó and Ingersoll,1996; 张建春等,2014)、湿位涡(吴国雄等,1995)、Q矢量(Hoskins et al.,1978; 岳彩军等,2008)、水汽垂直螺旋度(冉令坤和楚艳丽,2009)、波作用密度(冉令坤等,2013)等,从某一方面或某几方面来反映降水可能性的大小.同时,随着数值天气预报模式的快速发展,近年来天气气候预测的水平也不断提高(Calas et al.,2000; 陈德辉和薛纪善,2004; Ebert et al.,2007; 曾新民等,2012),但对具体天气现象尤其是强降水等天气的预报还存在较大偏差,准确率不够高.例如目前我国6小时间隔的短时强降水的TS评分仅为2.6%(何立富等,2011),远低于风场、温度场的预报评分,这也从侧面反映出强降水动力、热力过程的复杂性.

对于强降水的预报预测,目前应用广泛的方法是天气分型法.该方法是基于对大量天气个例的分析,概括出若干种典型的天气系统配置特征,通过对比预报时刻与已有的典型天气形势,然后结合预报员的经验,对天气进行预报.对天气型进行分析具有简单直观、发展成熟之优点,但也存在许多不足:有时在类似的天气形势下,产生的天气现象差别较大;有时实际天气形势与总结的天气型并不匹配,甚至很多经验只可意会、不可言传(钱维宏,2012),难以量化,给研究工作带来诸多困扰.这表明天气形势相似并非强降水出现的充分必要条件,由于天气形势只是为强降水的产生提供大尺度的背景场,而具体发生与否则取决于降水形成的内在物理机制.

基于上述原因,Doswell等(1996)提出了强降水预报的另一种思路,即在对强降水等天气形成的物理机制认识基础上,通过分析关键物理因子互相配合和演变过程来进行预报,陶诗言先生将这种方法形象总结为“配料法”(Ingredients-Based Methodology).“配料”被定义为一个或几个直接对降水事件的发展和强度有影响的基本物理量或过程(张小玲等,2010; 俞小鼎,2011).例如最强降水发生在平均降水率最大且持续时间最长的地方,即P=Rt,其中P为降水量,R为平均降水率,t为降水持续时间,而降水率R可由降水效率、云底的上升气流速度和低层大气湿度决定.配料法的优势在于,针对某种天气现象,引起其发生的物理量是一定的,可通过计算这些重要的物理量来预测该天气,为预报员提供了一种简单、快捷的预报思路.按照该方法建立的预报指标具有清晰的物理意义,有利于引入新的研究成果.例如Wetzel和Martin(2001)基于配料法构建了预报中纬度冬季降水的物理量PVQ;杨帅等(2013)利用表征湿度、涡度、下沉运动的物理量构建了分析夏季“桑拿天”的水汽螺旋度与热力螺旋度;张小玲等(2010)根据“配料”的思路,开发了中尺度对流天气的环境场条件分析技术;Gao等(2005)曹洁和高守亭(2008)用结合了温度、湿度、涡度因子的广义湿位涡来诊断高温高湿、大雾等天气,虽然作者没有明确指出,但其实也是依据配料法拓展出的一种较好应用.但是对于强降水,基于配料法的综合物理量仍不多见,目前应用较多是图解法,在天气图上进行区域的叠套,而难以给出一个较为具体的定量指标,导致对降水的落区、强度及发生时间的预报仍存在许多困难.

已有大量研究表明,降水的形成与大气环流背景及其物理量参数有非常密切的关系(Rennó and Ingersoll,1996; Mazany et al.,2002; Haklander and van Delden,2003; Kunz,2007; 曾波等,2015).在国外,基于物理量场的强降水预报发展较快,目前已基本上实现了计算机处理,如美国强局地风暴室对强降水天气的预报预警,从20世纪70年代到90年代,基本完成了从以经验预报为主到以物理因子为主的转变,大大提高了强天气的预报水平(彭治班等,2001).然而在国内,对引起降水的相关物理量场的诊断及预报工作,还没有充分开展起来,且面向强对流天气预报的研究严重缺失(郑永光等,2010),因此,如何对已有的成果加以提炼,构建出物理意义明确、可用性强的参数模型,并用实况资料加以检验,从而改进提高强对流天气预报技术,就具有较高的科学价值与现实意义.本文通过对影响强降水发生的热力、动力及水汽条件进行诊断分析,希望能够得到一个更为合理的综合物理指数,为强降水的预报提供参考.

2 综合物理指数的组成及其构建

由于大气是一种动力、热力有机结合的流体,降水是大气中多种因素综合作用的结果,因此降水预报的关键是对前期各物理量的强信号进行处理与挖掘.众所周知,强降水是由大量湿空气被强烈抬升凝结而形成的,也就是说,降水的发生发展具有共同的基本因素,即充足的水汽、不稳定层结和足够的抬升力.其中水汽和不稳定层结是产生强降水的内在因素,抬升力条件则是外在因素.外在因素往往与各类天气系统相联系,根据陆汉城和杨国祥(2004)郑媛媛等(2011)的研究,将强对流分为冷涡槽后类、槽前类两种,其中冷涡槽后类主要造成雷暴大风和冰雹天气,呈现出“干”对流风暴特征,槽前类则常伴有明显的强降水,呈现“湿”对流风暴的特征.作为示例与方法探讨,本文主要研究高空槽前类强降水天气的指数构建及预报,从影响降水的三要素(大气稳定度、水汽、抬升触发机制)入手,构建综合性指数.

2.1 热力不稳定

大气不稳定可分为热力不稳定和动力不稳定.在湿大气中,热力不稳定常用假相当位温θse的垂直递减率来判断,当∂θse/∂p>0时,表示位势不稳定,有利于形成对流,反之则不利于形成对流.据此可引入位势稳定度倾向方程,考虑假相当位温θse在湿绝热过程中的守恒性,即

(1)

根据p坐标系中连续方程,可以得到

(2)

将上述两式相加,展开、移项可得

(3)

将(3)式对p求偏导,即可得到位势稳定度倾向方程为

(4)

其中3=ui+vj+ωkVh=ui+vj.由于在对流发生之前是一个能量积聚的过程,(4)式右端第一项反映了外来输送对稳定度的影响,包含的区域范围较大;第二项反映了垂直方向的输送对稳定度的影响,具有较强的局地性.对于大多数强降水过程,在对流发生之前,垂直速度ω的变化往往是由水平方向的辐合辐散引起的,就是说水平的辐合辐散是主动的,而垂直方向的ω是被动的.同时,经实践中大量比较,发现右端第一项的指示意义要明显好于第二项;此外,对于ω的垂直插值,实际操作中其插值层次的选取比较困难,因此我们认为反映潜在趋势的量主要在右端第一项中,可选取该项来表征稳定度的变化,于是(4)式简化为

(5)

这样便得到一个具有预报意义的、描述静力稳定度的新参数,即θse通量散度之差Γ具有明确的物理意义,由于θse是将温度、湿度综合在一起的一个物理量,θse通量散度h·(θseVh)表示了由于风的输送,大气温湿度在某一地区的净增加或减小.θse通量散度的上下层之差Γ则将大气上下层之间的水平运动、垂直变化均表示了出来,对是否有利于出现强降水具有指示意义.从天气学角度来看,当存在高(低)空急流或二者耦合的情况时,热力不稳定参数Γ的意义更为明显,低空急流造成暖湿空气的输送,高空急流则造成干冷空气的输送,从而使大气上下层之间的差异增大,加强了大气的潜在不稳定.在低空急流引起的低层抬升与高空急流造成的高空辐散相重合的地区,便有利于形成深厚的上升气流,造成强对流发展.所以,不稳定指标Γ将上、下层系统的配置情况有机地联系起来,是从大气运动的角度对静力稳定度的一种描述.

热力不稳定属于潜在不稳定,当没有不稳定能量的释放机制存在时,这种不稳定是没有意义的,而且热力不稳定的能量释放是快速完成的,因此大多数热力不稳定参数的大小只与对流的初始强度有关,而与对流能否发展和维持无关(孙继松和陶祖钰,2012).但从对Γ的分析可以看出,要维持对流云的发展,必须有来自云体外的不稳定能量输入,故热力不稳定虽然是一个静态变量,在实际分析中也要“动态”地来看待,这也是从大气运动的角度来描述静力不稳定的一种具体方法.

2.2 动力不稳定

动力不稳定是由于空气密度的不连续、水平风切变、垂直风切变产生的,是对流能否发展和维持的关键因素(孙继松和陶祖钰,2012),不同对流天气的发展、移动大多与动力稳定度有直接的关系.因此,在强对流临近预报过程中,分析动力不稳定就显得尤为重要.近年来以风切变这一基本物理量为基础,发展出一些针对强对流预报和分析的动力参数,其中螺旋度和风暴相对螺旋度是两个重要参数.由于旋转性和上升运动是大多数强对流系统最重要的共同特征,而螺旋度把这两个特征综合在了一起(Xu and Wu,2003; 李耀东等,2005),其表达式为

(6)

其中右端三项分别称为x-螺旋度,y-螺旋度(前两者合称为水平螺旋度),z-螺旋度.从量级上看(至少在风暴初期),水平螺旋度比垂直螺旋度大,较大程度上决定了总螺旋度的情况.Lilly(1986ab)指出稳定的强对流风暴常发生在螺旋度值大的地方,高螺旋度阻碍了扰动能量串级,对强风暴的维持有重要作用.而Woodall(1990)认为只有相对于风暴的螺旋度才真正对风暴维持和发展有实际意义.

目前,在实际应用中通常用相对风暴水平螺旋度H,公式为

(7)

其中C为风暴移动速度,hz为气层厚度,(u0v0)为气层最低高度上的风,(u1v1)…(uNvN)为气层内各高度上的水平风,(cxcy)为风暴移动速度.由于风暴的移动主要受中低层平流运动和自身传播效应的共同影响,通常以850 hPa至400 hPa气层的平均风风向右移40°,风速的75% 来确定风暴的移动速度.N取6层:925、900、850、800、700与650 hPa.之所以选取螺旋度来表征动力不稳定,是因为它与惯性不稳定、对称不稳定、开尔文-亥姆霍兹不稳定有内在的物理联系(孙继松和陶祖钰,2012),适用性更强.

2.3 水汽与抬升条件

水汽是产生强降水的物质基础,是降水预报所考虑的主要因素之一.相关研究表明,大气可降水量PW(Precipitable Water)与局地降水存在密切的关系(Rocken et al.,1995; Seco et al.,2012),在强降水过程中水汽具有明显的演变特征,水汽积累到一定的程度再消耗(张小玲等,2010).多数情况下,降水出现在大气可降水量迅速增加的3~4 h内,降水峰值位于大气可降水量变化的峰值之后的1~2 h(曹云昌等,2005),甚至在降水出现前10~12 h,PW就有所反映(杨露华等,2006).水汽输送、辐合聚集和相对湿度的增大过程都与PW出现急剧上升的时段相呼应,而PW的持续性递减预示着降水的结束,这表明PW可以反映大气中水汽的总体变化状况,相比大气比湿、相对湿度等因子,PW具有更好的指示意义,因此可以将大气可降水量作为预报强降水的一个主要因子.PW的计算公式为

(8)

其中q为比湿,ρ为液态水密度,p为气压,Ps为地面气压,g为重力加速度.

关于抬升触发机制,一般来讲,在某一地区的大尺度环境满足不稳定条件及水汽条件时,对流系统在何时、何地发生取决于是否具备触发条件.常见的抬升触发机制有天气系统造成的抬升、局地热力抬升和地形抬升(朱乾根等,2008),其中局地热力抬升一般范围较小,强度较弱,单纯热力抬升造成的强对流天气不多;地形抬升受下垫面特征的影响大,由于我国地形复杂,选取下垫面因子的局地性、经验性强,难以具有普适性,本文暂不作讨论;而天气系统造成的抬升往往表现显著,相对容易判别,且绝大多数对流性天气都产生在有利的环流形势和天气系统配合时.因此针对区域性强降水的预报探索,选择高空槽前的天气形势来判断抬升触发机制.

2.4 综合物理指数THP的构建

上述条件均是引起强降水的必需条件,但由于大气是一种非线性系统,各物理量之间存在着相互作用,真正发生强降水时,不一定所有的物理量指标都比较大,反而是其组合较大时,发生降水的概率更大,故有必要按照求取物理量“交集”的原理进行处理.如强降水可以发生在弱动力不稳定结合强热力不稳定或相反的环境中,物理条件之间可以相互弥补(陆汉城和杨国祥,2004).基于上述分析,可将热力、动力和水汽条件的几个物理量有机组合起来,构建一个新的指数THP为(Temperature,Helicity and Precipitable Water)

(9)

其中加入绝对值可使负值相加之后变为0,避免了ΓH均为负值时,相乘之积出现正值的情况.这样THP指数就将有利于强降水出现的前期信号进行了集成,当信号全部为正值时,有利于强信号得到放大,当信号有正有负时,使弱信号得到衰减,且通过求取三个物理量之间的交集,弥补了仅用单一物理量做预报,有时准、有时不准的缺点,有利于物理指数稳定性的提高.

3 个例分析 3.1 2009年8月17日豫北地区强降水过程

2009年8月17日,河南省中北部、山东省西部出现了强降水天气(图 1),17日00时—18日00时(UTC,以下同)24 h的最大降水量达176 mm.8月16日12时500 hPa天气图上,45°N以北的亚洲大陆表现为两槽两脊的天气形势(图略);45°N以南,在我国河套地区有一宽广的低槽,并向东移动,西太平洋副热带高压的西伸脊点位于100°E左右,我国东部地区处在偏南气流控制下.17日00~06时,西太平洋副热带高压基本稳定在华东地区,河套低槽东移速度减缓,华北地区位于高空槽前(图 1);中低层700、850 hPa,从河套地区至四川北部有一冷式切变线,黄淮流域存在低空西南急流(图略).17日12时副热带高压加强西伸,低槽缓慢东移,地面降水区也向东移动.

图 1 500 hPa等高线(黑色实线)及该时刻后6 h强降水(阴影)的分布 (a) 2009年8月17日00:00;(b)2009年8月17日06:00. Fig. 1 500 hPa maps (thick solid lines every 20 gpm) and locations of heavy rainfall (shaded) during following 6 hours for 00:00 (a) and 06:00 UTC (b) 17 August 2009

为认识此次降水过程的机制,对一些物理参数进行了诊断.由图 2a可见,2009年8月17日00时34—37°N平均的垂直上升运动非常剧烈,上升气流的高度可达200 hPa,平均上升中心在114°E,位于此后6h强降水中心(115°E)的西侧,雨区两侧为下沉气流区.水汽通量散度(图 2b)呈现出低空辐合、高空辐散的特征,有利于出现降水,辐合中心位于114°E上空850 hPa附近,但由于水汽主要集中在对流层中低层,低空水汽辐合表现明显,高空的水汽辐散很弱,300 hPa以上几乎为零,这就弱化了高空的动力场结构.从涡度平流来看(图 2c),在低空正涡度、高空负涡度的配置下,高空的涡度平流比低空显著得多,可见高空的动力场也具有重要作用.θse通量散度的垂直分布(图 2d),既表现出低空的辐合,又体现出了高空的辐散特性,而且在一定程度上增加了高空系统的比重,由于高空系统的引导作用,在预报中常具有更好的特性.这是由于对流层上部的辐散机制在强对流天气的形成中具有显著作用:一是抽吸作用,有利于上升气流的维持和加强;二是通风作用,在对流云发展过程中,水汽凝结释放的潜热会使对流云的中上部增暖,使气柱层结趋于稳定,而高空的辐散可以将对流云中上部增加的热量带走,从而有利于对流的维持(陆汉城和杨国祥,2004).这亦是本文引入θse通量散度的原因之一.

图 2 2009年8月17日00:00经向平均(34—37°N)的(a)垂直速度(单位:Pa·s-1),(b)水汽通量散度(单位:10-9 s·m-1),(c)涡度的水平平流(单位:10-9 s-2),(d)假相当位温通量散度(单位:10-3 K·s-1)的纬向-垂直分布 Fig. 2 Vertical cross sections of the average value in 34—37°N of (a) vertical velocity (units: Pa·s-1), (b) divergence of moisture flux (units: 10-9 s·m-1), (c) horizontal advection of vortex (units: 10-9 s-2), (d) divergence of pseudoequivalent potential temperature flux (units: 10-3 K·s-1) at 00:00 UTC, 17 August 2009

此次降水过程中,THP指数的各物理量具有不同的特征(图 3),其中热力不稳定有两个大值中心,分别在河北省南部及陕西省东南部(图 3a);动力不稳定,体现在风暴相对螺旋度上,也有两个大值中心,分别在河南省北部及辽宁省西部(图 3b);大气可降水量的高值区则位于河南省中部及长江三角洲附近(图 3c).从表征热力、动力、水汽的单一指标来看,三者均从不同程度上反映了降水发生的潜势,但降水的发生并非满足一个条件即可.与综合考虑了三种因素的THP指数(图 3d)相对比,发现该指数的大值区和强降水区的对应关系更为明确,落区几乎重合,但由于是提前6 h的预报,THP指数的大值中心与雨区大值中心稍微有些偏差.通过对比图 3d图 3(a—c)可以看出,新构建的综合物理指数THP,在强降水区表现为强信号,其余地区为弱信号,其预报效果优于用表征单一物理成分的指数.这是因为热力、动力不稳定和水汽含量的增加都意味着发生降水的概率增大,但发生可能性最大的区域是三者的“交集”,就是相乘之后所得的大值区域,这也是THP指数较单一物理量,预报效果稳定性增强的原因之一.

图 3 2009年8月17日00:00 UTC (a) θse通量散度差(单位:10-5 K·s-1·hPa-1),(b)风暴相对螺旋度(单位:m2·s-2),(c)大气可降水量(单位:kg·m-2),(d) THP指数(单位:10-2 K·m·s-1) Fig. 3 Difference of (a) θse flux divergence (units: 10-5 K·s-1·hPa-1) , (b) the storm relative helicity (units: m2·s-2), (c) precipitable water vapor (units: kg·m-2), and (d) THP index (units: 10-2 K·m·s-1 ) with the locations of heavy rainfall (shaded) at 00:00 UTC, 17 August 2009

为了检验综合指数THP的预报效果,与其他表征一种或几种物理特征的指数进行了对比,如K指数,准地转Q矢量散度,水汽垂直螺旋度,整层水汽通量散度等.从图 4a可见K指数超过36 ℃的区域较广,超过39 ℃区域呈现出三个高值区,其对强降水的指示意义不够明显,可能要配合其他量才可得以显现.准地转Q矢量散度场辐合时垂直运动向上,在对流层低层850 hPa等压面上,强降水落区在Q矢量散度的负值区的下风方(岳彩军等,2008),从图 4b可见,Q矢量散度场与降水区虽然有一定的对应关系,但降水的具体落区难以估计,且降水量级无法反映出来.水汽垂直螺旋度主要反映了水汽通量涡度的垂直输送状况,分析图 4c可知,水汽垂直螺旋度的高值区分布与6 h后降水区域有所重叠,但形状分布有一定的差异,且没有将未来的降水中心包含进去.整层水汽通量散度(图 4d)的负值区将降水区基本包含进去了,但其降水区域较大,同时有一定的空报.综合对比图 3d图 4中的各物理量,THP指数的预报效果相对更好一些,说明了该指数的有效性,即在THP指数的大值区,强降水发生的概率非常大.

图 4 2009年8月17日00时(a)K指数(单位:℃),(b)850 hPa准地转Q矢量散度负值区(单位:m2·s-2),(c)水汽垂直螺旋度正值区(单位:10-3 kg-1·m3·Pa2·s-2), (d)水汽通量散度从地面至200 hPa垂直积分负值区 (单位:10-3 K·m·s-1)的水平分布,阴影区为17日00~06时降水实况分布 Fig. 4 (a) K index (units: ℃ ), (b) the negative values in divergence of quasi-geostrophic Q-vector at 850 hPa (units: m2·s-2), (c) positive values in vertical helicity of water vapor (units:10-3 kg-1·m3·Pa2·s-2), and (d) divergence of moisture flux from surface to 200 hPa (units: 10-3 K·m·s-1) at 00:00 UTC 17 August 2009. Shaded areas show locations of heavy rainfall in following 6 hours

从THP指数与降水量的时间变化特征进行分析,以安阳气象观测站为例(图 5),THP指数在16日06时(UTC)由零转为正值,此时地面未产生降水,16日12时THP值继续增大,地面有较小降水产生,至16日18时THP值达到最大,随后的6 h降水量也达到最大,之后THP的值减小,降水量亦随之减小.整个降水过程中,THP值的位相超前于地面降水量的变化,这表明THP值具有很好的指示意义;而且安阳站上空THP最大值为98,与6 h实测降水最大值99 mm非常接近,这表明THP指数的值对降水的量级也有一定的预测能力.

图 5 2009年8月16—18日强降水过程中安阳站(36.12°N,114.37°E)的THP指数与6 h降水量的变化 Fig. 5 Time series of THP index and precipitation in following 6 hours at Anyang station (36.12°N,114.37°E) from 16 to 18 August 2009
3.2 2012年7月21日北京地区极端降水过程

为进一步验证THP指数在极端降水中的应用情况,本文分析了2012年7月21日发生在北京市及河北省部分地区的历史罕见特大暴雨.已有多位学者对此次过程进行了研究(谌芸等,2012; 孙建华等,2013; 李娜等,2013; Jiang et al.,2014).此次暴雨发生在北涡南槽、东高西低的环流形势下,强降雨区位于高空急流入口区右后侧,高空200 hPa为显著分流区(图略),500 hPa高空图上在贝加尔湖到河套地区一带存在高空槽,北京地区位于槽前;西太平洋副热带高压西伸北进控制黄淮南部、江淮地区,其西侧存在明显偏东气流.850 hPa存在低空急流,为暴雨区输送充沛水汽.

对比2012年7月21日06时各物理量与06~12时降水的分布情况,K指数大于36 ℃的范围太广,大于39 ℃的范围与实况降水南侧较一致,但未包含降水中心,在落区预报上有一定差异(图 6a).850 hPa准地转Q矢量散度的大值区位于强降水中心的西北侧,二者落区重合部分较少,同时可能由于地形原因,在甘肃东部地区有一定的虚报(图 6b).水汽垂直螺旋度的大值中心在山西省北部,位于实况降水中心的西侧,且大值区的范围小于实况降水的落区范围(图 6c),预报效果表现一般.700 hPa水汽通量的辐合区整体位于实际降水区的东侧,但最强辐合中心位于强降水中心的西南侧上风方向(图 6d).THP大值中心位于6 h实况累计降水中心的西南侧上风方向,且有一定的重合,THP闭合中心最大值为120,与降水中心的平均降水量比较接近;THP大值区的范围与降水落区也比较一致(图 6e).可见THP大值区的分布与图 6h地面累计降水有良好的对应关系,且在降水的量级预报上有一定的指示意义.

图 6 2012年7月21日06时(a)K指数(单位:℃),(b) 准地转Q矢量散度负值区(单位:m2·s-2),(c)水汽垂直螺旋度正值区(单位:10-3 kg-1·m3·Pa2·s-2), (d) 700 hPa水汽通量散度负值区(单位:10-8 kg·hPa-1·m-2·s-1),(e) THP指数(单位:10-2 K·m·s-1)的水平分布,阴影区为21日06~12时降水实况分布 Fig. 6 (a) K index (units: ℃ ), (b) 850 hPa negative values in divergence of quasi-geostrophic Q-vector at 850 hPa (units: m2·s-2), (c) positive values in vertical helicity of water vapor(units: 10-3 kg-1·m3·Pa2·s-2), (d) the negative values in divergence of moisture flux at 700 hPa (units: 10-3 K·m·s-1), and (e) THP index (units:10-2 K·m·s-1) at 06:00 UTC 21 July 2012. Shaded areas show the locations of heavy rainfall in the following 6 hours.

对比“7·21”强降水过程中北京站上空附近THP指数值与6 h累积降水量的时间变化(图 7),THP指数在7月20日18时前为零,在21日00时转变为较小的正值,从00时至06时,其值迅速上升,12时上升至最大,数值达到160以上,之后迅速减小.而降水在21日00时仍然为零,06时地面产生较小降水,06~14时降水量急剧增大,12~18时降水达到最大,18时之后降水过程基本结束.在位相上对比可见,降水的变化要滞后于THP指数的变化,这说明THP的变化对强降水的发生与结束均有较好的指示意义.

图 7 2012年7月21日暴雨过程中北京站(39.80°N,116.47°E)的THP指数与6h降水量的变化 Fig. 7 Time series of THP index and precipitation in the following 6 hours at Beijing station (39.80°N,116.47°E) from 20 to 22 July 2012
4 THP指数的普适性检验

为检验THP指数的适用性,选用2012年7月1日至8月15日的降水实况资料进行检验.选择的区域范围为105—125°N,28—44°E,降水实况资料间隔6 h,分别为00时、06时、12时、18时(UTC).物理量诊断资料用的是NCEP/NCAR 1°×1°再分析资料,垂直方向包括26个层次,时间间隔6 h,与降水实况资料相对应.根据中国气象局颁布的我国内陆部分降水强度等级划分标准,12 h降水量大于15 mm为大雨,检验时定义强降水的标准为6 h降水量大于15 mm.由于所用资料精度的原因,只统计、检验区域性强降水(超过6个相邻站点都出现强降水),降水量大于15 mm/6 h.

对降水的预报效果体现在其强度、落区等方面,由于针对区域性强降水,规定预报正确是指THP高值区(≥15)及其下风向(850 hPa至400 hPa气层间的平均风的风向)的1个经纬度范围内存在大于15 mm/6 h的降水区,否则算空报或漏报.对于站点降水采用TS评分,其计算公式为TS=Na/(Na+Nb+Nc)×100%,其中Na为预报量和观测量均超过了某一降水阈值的站点数(成功预报),而Nb为仅预报值超过了阈值的站数(空报),Nc为仅观测值超过了阈值的站数(漏报).TS评分值的范围为0~100%,其中0表示无预报技巧,100%为完美评分.对于降水强度,通过对比THP指数最内层闭合等值线的数值与实测降水量的最大值来进行检验.

经过对天气形势的判断分析,选取出17次槽前型区域性强降水个例.由表 1可见,17次个例中对超过15 mm/6 h的降水预报,TS评分值在20%~60%之间,其中得分最高的是2012年8月8日06时,此时受台风影响,大气中的水汽、热量、稳定度等均有利于产生强降水;得分最低的是2012年7月24日18时,此时的主要影响系统为短波槽和副高,短波槽移速快,导致降水落区的偏差过大.17次个例的平均TS得分为37.9%,得分较高,这表明THP指数具有良好的参考价值.当然,这与选取个例的降水范围较大有一定的关系,由于大范围强降水的信号比较强,会有较多站的降水预报正确(王雨等,2013),而对于范围较小的局地小尺度降水,还需要做更多研究.对于降水强度,THP闭合中心最大值与最大降水量也表现出较好的一致性,虽然有一定的波动,但总体而言,THP指数在我国中东部地区盛夏期间具有较好的适用性.

表 1 槽前型区域性强降水统计(2012年7月1日—8月15日) Table 1 Statistics of regional heavy rainfall of fore-trough type (1 July to 15 August 2012)
5 结论

本文根据强降水发生发展的机制,将造成强降水的热力、动力和水汽条件综合考虑,尝试性地构建了一个新的综合物理指数THP.然后结合2009年8月17日与2012年7月21日的两个典型个例,利用NCEP/NCAR再分析资料与常规地面观测资料,对THP指数进行了诊断分析,并选用2012年7月1日—8月15日的降水实况,对该指数进行了普适性检验,探析了其对强降水预报的指示意义.主要得出如下结论:

(1) 对于强降水的客观预报,要将影响降水发生发展的热力、动力、水汽等因素综合考虑,而THP指数将上述因子进行了集成,使有利于强降水出现的前期信号得到放大,弥补了以往单一指数的片面性,提高了THP指数的稳定性.

(2) THP指数的分布对未来6h强降水的落区及降水中心的移动均具有较好的指示意义.对于强降水的空间落区预报,THP指数的大值区与未来6h降水的落区存在良好的对应关系;对于强降水出现时间的预报,THP指数的位相变化超前于地面降水量的变化,对降水生消时间具有较好的参考价值.

(3) 通过普适性检验,表明THP指数在我国盛夏期间具有较好的适用性.同时探索了THP指数对降水量级的定量指示意义,发现对于高空槽前型降水,THP指数的闭合中心最大值与未来6h的最大降水量表现出较强的一致性,表明该指数对降水强度也有一定的诊断意义.

总体而言,THP指数可以有效表征强降水的发展和移动,对地面降水有较好的指示意义,可以作为一个预报指示因子.作为THP指数的构建方法,配料法的物理意义清晰,有利于引入新的研究成果,这种思路也可以应用于冰雹、雷暴大风等强对流天气的预报中,从而在一定程度上提高对流天气的预报准确率.但也应指出,由于资料限制,本文使用的是较大尺度的数据,时空分辨率不够高,而强降水是一种小概率事件,其物理量随时间和空间的变化较快,有时满足强降水发生的物理量在其临近时才出现,因此利用THP指数开展更为精细化的预报仍有待在以后的工作中改进与提高.

致谢

本文所使用的NCEP/NCAR再分析数据资料下载自美国国家环境预报中心,在此表示诚挚的谢意.

参考文献
Calas C, Ducrocq V, Sénési S. 2000. Mesoscale analyses and diagnostic parameters for deep convection nowcasting. Meteorological Applications , 7(2): 145–161.
Cao J, Gao S T. 2008. Generalized potential temperature in non-uniformly saturated atmosphere. Chinese J. Geophys. (in Chinese) , 51(6): 1651–1656.
Cao Y C, Fang Z Y, Xia Q. 2005. Relationship between GPS precipitable water vapor and precipitation. Journal of Applied Meteorological Science (in Chinese) , 16(1): 54–59.
Chen D H, Xue J S. 2004. An overview on recent progresses of the operational numerical weather prediction models. Acta Meteorologica Sinica (in Chinese) , 62(5): 623–633.
Chen Y, Sun J, Xu J, et al. 2012. Analysis and thinking on the extremes of the 21 July 2012 torrential rain in Beijing Part I: observation and thinking. Meteorological Monthly (in Chinese) , 38(10): 1255–1266.
Doswell C A, Brooks H E, Maddox R A. 1996. Flash flood forecasting: an Ingredients-Based Methodology. Weather and Forecasting , 11(4): 560–581.
Ebert E E, Janowiak J E, Kidd C. 2007. Comparison of near-real-time precipitation estimates from satellite observations and numerical models. Bulletin of the American Meteorological Society , 88(1): 47–64.
Gao S T, Zhao S X, Zhou X P, et al. 2003. Progress of research on sub-synoptic scale and mesoscale torrential rain systems. Chinese Journal of Atmospheric Sciences (in Chinese) , 27(4): 618–627.
Gao S T, Zhou Y S, Lei T, et al. 2005. Analyses of hot and humid weather in Beijing city in summer and its dynamical identification. Science China Earth Sciences , 48(Supp. II): 128–137.
Haklander A J, van Delden A. 2003. Thunderstorm predictors and their forecast skill for the Netherlands. Atmospheric Research , 67-68: 273–299.
He L F, Zhou Q L, Chen Y, et al. 2011. Introduction and examination of potential forecast for strong convective weather at national level. Meteorological Monthly (in Chinese) , 37(7): 777–784.
Hoskins B J, Draghici I, Davies H C. 1978. A new look at the ω-equation. Quarterly Journal of the Royal Meteorological Society , 104(439): 31–38.
Jiang X M, Yuan H L, Xue M, et al. 2014. Analysis of a heavy rainfall event over Beijing during 21-22 July 2012 based on high resolution model analyses and forecasts. Journal of Meteorological Research , 28(2): 199–212.
Kunz M. 2007. The skill of convective parameters and indices to predict isolated and severe thunderstorms. Natural Hazards and Earth System Science , 7(2): 327–342.
Li N, Ran L K, Zhou Y S, et al. 2013. Diagnosis of the frontogenesis and slantwise vorticity development caused by the deformation in the Beijing "7·21" torrential rainfall event. Acta Meteorologica Sinica (in Chinese) , 71(4): 593–605.
Li Y D, Liu J W, Gao S T. 2005. Progress in researches on application of helicity to convective weather prediction. Meteorological Science and Technology (in Chinese) , 33(1): 7–11.
Lilly D K. 1986a. The structure, energetics and propagation of rotating convective storms. Part I: Energy exchange with the mean flow.. Journal of the Atmospheric Sciences , 43(2): 113–125.
Lilly D K. 1986b. The structure, energetics and propagation of rotating convective storms. Part II: Helicity and storm stabilization.. Journal of the Atmospheric Sciences , 43(2): 126–140.
Lu H C, Yang G X. Mesoscale Synoptic Principles and Forecasting. (in Chinese) Beijing: China Meteorological Press, 2004 .
Mazany R A, Businger S, Gutman S I, et al. 2002. A lightning prediction index that utilizes GPS integrated precipitable water vapor. Weather and Forecasting , 17(5): 1034–1047.
Peng Z B, Liu J W, Guo H, et al. The Application Study of Strong Convective Weather Abroad. (in Chinese) Beijing: China Meteorological Press, 2001 .
Qian W H. 2012. How to improve the skills of weather and climate predictions. Chinese J. Geophys. , 55(6): 1532–1540. doi: 10.6038/j.issn.0001-5733.2012.05.010.
Qian W H, Lin X. 2005. Regional trends in recent precipitation indices in China. Meteorology and Atmospheric Physics , 90(3-4): 193–207.
Ran L K, Chu Y L. 2009. Diagnosis of vertical helicity, divergence flux and their extensions in heavy-rainfall events. Acta Physica Sinica (in Chinese) , 58(11): 8094–8106.
Ran L K, Liu L, Li N, et al. 2013. The analysis of the potential-divergence wave activity density and its application to typhoon precipitation. Chinese J. Geophys. , 56(10): 3285–3301. doi: 10.6038/cjg20131006.
Rennó N O, Ingersoll A P. 1996. Natural convection as a heat engine: A theory for CAPE. Journal of the Atmospheric Sciences , 53(4): 572–585.
Rocken C, van Hove T, Johnson J, et al. 1995. GPS/STORM-GPS sensing of atmospheric water vapor for meteorology. Journal of Atmospheric and Oceanic Technology , 12(3): 468–478.
Seco A, Ramírez F, Serna E, et al. 2012. Rain pattern analysis and forecast model based on GPS estimated atmospheric water vapor content. Atmospheric Environment , 49: 85–93.
Sun J H, Zhang X L, Wei J, et al. 2005. A study on severe heavy rainfall in North China during the 1990s. Climatic and Environmental Research (in Chinese) , 10(3): 492–506.
Sun J H, Zhao S X, Fu S M, et al. 2013. Multi-Scale Characteristics of Record Heavy Rainfall over Beijing Area on July 21, 2012. Chinese Journal of Atmospheric Sciences (in Chinese) , 37(3): 705–718.
Sun J S, Tao Z Y. 2012. Some essential issues connected with severe convective weather analysis and forecast. Meteorological Monthly (in Chinese) , 38(2): 164–173.
Tao S Y. Rainstorms in China. (in Chinese) Beijing: Science Press, 1980 .
Wang H J, Xu Y F, Zhou T J, et al. 2004. Atmospheric Science: A vigorous frontier science. Advances in Earth Science (in Chinese) , 19(4): 525–532.
Wang Y, Gong Y, Chen F J, et al. 2013. Comparing of the verification methods for 6h precipitation forecasts of regional models. Journal of Applied Meteorological Science (in Chinese) , 24(2): 171–178.
Wetzel S W, Martin J E. 2001. An operational ingredients-based methodology for forecasting midlatitude winter season precipitation. Weather and Forecasting , 16(1): 156–167.
Woodall G R. 1990. Qualitative forecasting of tornadic activity using storm-relative environmental helicity//16th Conference on Severe Local Storms. Boston: America Meteorological Society , 311.
Wu G X, Cai Y P, Tang X Q. 1995. Moist potential vorticity and slantwise vorticity development. Acta Meteorologica Sinica (in Chinese) , 53(4): 387–405.
Xu Y M, Wu R S. 2003. The conservation of helicity in hurricane Andrew (1992) and the formation of the spiral rainband. Advances in Atmospheric Sciences , 20(6): 940–950.
Yang L H, Ye Q X, Wu R, et al. 2006. Analyses of water vapor transport in a heavy rain in the late summer of 2004 in Shanghai based on GPS/PWV data. Scientia Meteorologica Sinica (in Chinese) , 26(5): 502–508.
Yang S, Chen B, Gao S T. 2013. Diagnostic analyses and applications of the moisture helicity and the thermal helicity for two strong "sauna" weather processes in northern China. Chinese J. Geophys. , 56(7): 2185–2194. doi: 10.6038/cjg20130706.
Yu X D. 2011. Ingredients based forecasting methodology. Meteorological Monthly (in Chinese) , 37(8): 913–918.
Yue C J, Shou S W, Yao X P. 2008. Recent advances on applied study of Q vector to diagnostic analysis and prediction of severe weathers. Journal of Tropical Meteorology (in Chinese) , 24(5): 557–563.
Zeng B, Chen Y, Li Z C. 2015. Diagnostic analysis of physical quantities for the precursor environment of mesoscale convective system during summer in central-eastern China. Chinese J. Geophys. , 58(1): 32–46. doi: 10.6038/cjg20150104.
Zeng X M, Wu Z H, Song S, et al. 2012. Effects of land surface schemes on the simulation of a heavy rainfall event by WRF. Chinese J. Geophys. , 55(1): 16–28. doi: 10.6038/j.issn.0001-5733.2012.01.002.
Zhang J C, Wang H X, Tao Z Y. 2014. Statistical analysis of predicting skill of Convective Available Potential Energy. Torrential Rain and Disasters (in Chinese) , 33(3): 290–296.
Zhang X L, Tao S Y, Sun J H. 2010. Ingredients-based heavy rainfall forecasting. Chinese Journal of Atmospheric Sciences (in Chinese) , 34(4): 754–766.
Zheng L L, Sun J H, Zhang X L, et al. 2013. Organizational modes of mesoscale convective systems over central east China. Weather and Forecasting , 28(5): 1081–1098.
Zheng Y G, Zhang X L, Zhou Q L, et al. 2010. Review on severe convective weather short-term forecasting and nowcasting. Meteorological Monthly (in Chinese) , 36(7): 33–42.
Zheng Y Y, Yao C, Hao Y, et al. 2011. The short-time forecasting and early-warning reasearch on severe convective weather under different types of large-scale circulation background. Meteorological Monthly (in Chinese) , 37(7): 795–801.
Zhu Q G, Lin J R, Shou S W. Principles and Methods of Synoptic Meteorology. (in Chinese) Beijing: China Meteorological Press, 2008 .
曹洁, 高守亭. 2008. 非均匀饱和大气中的广义位温. 地球物理学报 , 51(6): 1651–1656.
曹云昌, 方宗义, 夏青. 2005. GPS遥感的大气可降水量与局地降水关系的初步分析. 应用气象学报 , 16(1): 54–59.
陈德辉, 薛纪善. 2004. 数值天气预报业务模式现状与展望. 气象学报 , 62(5): 623–633.
谌芸, 孙军, 徐珺, 等. 2012. 北京721特大暴雨极端性分析及思考(一)观测分析及思考. 气象 , 38(10): 1255–1266.
高守亭, 赵思雄, 周晓平, 等. 2003. 次天气尺度及中尺度暴雨系统研究进展. 大气科学 , 27(4): 618–627.
何立富, 周庆亮, 谌芸, 等. 2011. 国家级强对流潜势预报业务进展与检验评估. 气象 , 37(7): 777–784.
李娜, 冉令坤, 周玉淑, 等. 2013. 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. 气象学报 , 71(4): 593–605.
李耀东, 刘健文, 高守亭. 2005. 螺旋度在对流天气预报中的应用研究进展. 气象科技 , 33(1): 7–11.
陆汉城, 杨国祥. 中尺度天气原理和预报. 北京: 气象出版社, 2004 .
彭治班, 刘建文, 郭虎, 等. 国外强对流天气的应用研究. 北京: 气象出版社, 2001 .
钱维宏. 2012. 如何提高天气预报和气候预测的技巧. 地球物理学报 , 55(5): 1532–1540.
冉令坤, 楚艳丽. 2009. 强降水过程中垂直螺旋度和散度通量及其拓展形式的诊断分析. 物理学报 , 58(11): 8094–8106.
冉令坤, 刘璐, 李娜, 等. 2013. 台风暴雨过程中位势散度波作用密度分析和预报应用研究. 地球物理学报 , 56(10): 3285–3301.
孙建华, 张小玲, 卫捷, 等. 2005. 20世纪90年代华北大暴雨过程特征的分析研究. 气候与环境研究 , 10(3): 492–506.
孙建华, 赵思雄, 傅慎明, 等. 2013. 2012年7月21日北京特大暴雨的多尺度特征. 大气科学 , 37(3): 705–718.
孙继松, 陶祖钰. 2012. 强对流天气分析与预报中的若干基本问题. 气象 , 38(2): 164–173.
陶诗言. 中国之暴雨. 北京: 科学出版社, 1980 .
王会军, 徐永福, 周天军, 等. 2004. 大气科学: 一个充满活力的前沿科学. 地球科学进展 , 19(4): 525–532.
王雨, 公颖, 陈法敬, 等. 2013. 区域业务模式6 h降水预报检验方案比较. 应用气象学报 , 24(2): 171–178.
吴国雄, 蔡雅萍, 唐晓菁. 1995. 湿位涡和倾斜涡度发展. 气象学报 , 53(4): 387–405.
杨露华, 叶其欣, 邬锐, 等. 2006. 基于GPS/Pwv资料的上海地区2004年一次夏末暴雨的水汽输送分析. 气象科学 , 26(5): 502–508.
杨帅, 陈斌, 高守亭. 2013. 水汽螺旋度和热力螺旋度在华北强"桑拿天"过程中的分析及应用. 地球物理学报 , 56(7): 2185–2194.
俞小鼎. 2011. 基于构成要素的预报方法——配料法. 气象 , 37(8): 913–918.
岳彩军, 寿绍文, 姚秀萍. 2008. 21世纪[WTHX]Q矢量在中国多种灾害性天气中应用研究的进展. 热带气象学报 , 24(5): 557–563.
曾波, 谌芸, 李泽椿. 2015. 我国中东部地区夏季中尺度对流系统形成前物理量诊断分析. 地球物理学报 , 58(1): 32–46.
曾新民, 吴志皇, 宋帅, 等. 2012. WRF模式不同陆面方案对一次暴雨事件模拟的影响. 地球物理学报 , 55(1): 16–28.
张建春, 王海霞, 陶祖钰. 2014. 对流有效位能预报能力的统计分析. 暴雨灾害 , 33(3): 290–296.
张小玲, 陶诗言, 孙建华. 2010. 基于"配料"的暴雨预报. 大气科学 , 34(4): 754–766.
郑永光, 张小玲, 周庆亮, 等. 2010. 强对流天气短时临近预报业务技术进展与挑战. 气象 , 36(7): 33–42.
郑媛媛, 姚晨, 郝莹, 等. 2011. 不同类型大尺度环流背景下强对流天气的短时临近预报预警研究. 气象 , 37(7): 795–801.
朱乾根, 林锦瑞, 寿绍文. 天气学原理和方法. 北京: 气象出版社, 2008 .