地球物理学报  2021, Vol. 64 Issue (5): 1531-1541   PDF    
辽宁开原龙卷强对流过程的扰动天气环境
钱维宏1,2,3, 艾阳1, 陈笑晨4     
1. 北京大学大气与海洋科学系, 北京 100871;
2. 中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室, 广州 510641;
3. 厦门市海峡气象开放重点实验室, 厦门 361013;
4. 福建省气候中心, 福州 350001
摘要:2019年7月3日下午辽宁部分地区出现短时强降水和冰雹等强对流天气,其中开原市金钩子镇遭遇了龙卷风,造成当地严重的生命财产损失.本文重点分析有利于这次龙卷和冰雹等强对流过程发生的大气变量扰动环境,包括数值模式预报产品中的扰动天气环境以及雷达回波和卫星云图演变对应的大气扰动风场变化特征.结果发现:开原单个龙卷与苏北多次单个龙卷发生的大气温压场扰动环境相似,发生地位于对流层上部下伸到地面的位势高度扰动槽线和近地面水平方向上冷暖温度扰动气团交界线附近,其冷暖扰动气团之间的强度对比较美国多龙卷爆发时的弱小.利用来自欧洲中期天气预报中心(ECMWF)模式产品和美国国家环境预报中心全球预报系统(NCEP/GFS)的实时分析资料进行扰动环流形势分析并与当地实况卫星云图和雷达回波相结合,可以从潜在趋势上定性地推断有利于强对流天气发展的位置.
关键词: 龙卷风      强对流天气      扰动变量      模式产品      卫星云图      雷达回波     
Anomalous synoptic environments of a strong convective process with tornado in Kaiyuan City, Liaoning Province
QIAN WeiHong1,2,3, AI Yang1, CHEN XiaoChen4     
1. Department of Atmospheric and Oceanic Sciences, Peking University, Beijing 100871, China;
2. Guangzhou Institute of Tropical and Marine Meteorology/Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, China Meteorological Administration, Guangzhou 510641, China;
3. Xiamen Key Laboratory of Straits Meteorology, Xiamen 361013, China;
4. Fujian Climate Center, Fuzhou 350001, China
Abstract: On 3 July 2019, a severe convective weather process with heavy rainfall, hail and tornado happened on some areas in Liaoning Province. The tornado occurred in the Jingouzi Town, Kaiyuan City and caused the loss of life and property. This paper reveals the strong convective weather process including hails and a single tornado associated with some anomalous environments by using model forecast products, reanalysis atmospheric variables, satellite image and radar echoes. The results showed that the strong convective weather with a single tornado was located in a place of downward trough axis of geopotential height anomalies and a boundary line between cold-warm air masses of temperature anomalies near the surface. The spatial structure is similar to those tornadoes happened in northern Jiangsu but weaker than their counterparts in America. By using the ECMWF model products and the US NCEP/GFS real-time analyzed wind and combining with the local satellite image and radar echoes, the potential intensity and location of this strong convective weather can be predicted in advance.
Keywords: Tornado    Strong convective weather    Anomalous variable    Numerical model product    Satellite image    Radar echo    
0 引言

夏季,我国东北常有高空冷涡活动(孙力等,1994),是有可能形成局地强对流的最大母体天气系统.在常规天气图上,上部对流层冷涡西侧的横槽,会形成冷空气的堆积,一旦横槽转竖,冷空气南下与低层大气中的暖湿气团交汇形成层结不稳定,其不稳定能量的释放会形成强对流天气.在东北冷涡控制的背景下,冷涡南侧的次天气尺度短波槽有可能诱发龙卷(王宁等,2014王婷婷等,2017).同时,有研究表明700~500 hPa之间较大的温差和较强的低空(850~925 hPa)急流都有利于龙卷的发生(王秀明等,2015).

我国夏季龙卷风发生频次最高的区域是江苏的北部(范雯杰和俞小鼎,2015).苏北里下河水网地与其北侧黄河故道沙台高地,和其东侧黄海冲积台地之间存在着下垫面的属性差异.前者形成的气流辐合线沿苏北灌溉渠呈东西走向,而后者形成的海陆风辐合线平行于海岸线呈东南至西北走向,苏北的龙卷风多数发生在上述两条近地面气流辐合带上(钱维宏等,2017).这样的气候环境条件一旦遇上中尺度涡旋,龙卷和冰雹等强对流天气就有可能发生.我国其他地区发生的龙卷并不具备苏北这样有利的气候辐合条件,所以龙卷的发生地理位置相对分散.开原位于我国东北平原的沈阳与长春两个省会城市之间,东西两侧是山地,西南暖湿气流容易从低层进入东北平原谷地,遇上对流层中上部冷涡活动时,对流天气极易发生.

在世界上,龙卷发生年频次最高的地区是美国,2010年前的30年中平均每年发生1100多个龙卷.目前,龙卷的预警仍主要依靠雷达探测.但由于单个龙卷的时空尺度较小,天气雷达难以直接观测到孕育龙卷发生的小尺度涡旋特征和更大的涡旋环境场,如中气旋的结构特征.与中国的每次单个龙卷有所不同,美国龙卷多数成群爆发,即会有多个龙卷风形成在一个天气尺度或近地面次天气(百千米)尺度的低压系统中(Knupp et al., 2014).在美国南部,随着低压系统的长距离移动,其中可能同时或先后发生多个龙卷,即龙卷群发(Corfidi et al., 2010Mercer et al., 2012).

龙卷属于小概率极端天气.极端天气是大气中扰动能量缓慢积累到一个临界值时的快速释放.观测的大气变量中包含随太阳高度角与下垫面达到热力-动力平衡时的瞬变气候态和瞬时扰动分量,两个分量都具有真实的物理含义.所以,极端天气的发生与当前大气中的瞬时扰动能量的积累有关,表现以温度扰动为代表的内能扰动、以风扰动为代表的动能扰动等.怎样从观测的和数值模式预报产品中分离掉瞬变气候参考态,得到瞬时扰动量分布的异常特征呢?2012年以来使用的大气变量扰动分解法提供了这种可能(丑纪范,2012).利用模式输出产品,分解法已经在国内外的多种极端天气的分析和预报中得到了应用,如对北京暴雨(Jiang et al., 2016)、中国东部热浪(Chen et al., 2017)、东北夏季低温(Qian and Jiang, 2014)和南方雨雪冰冻(钱维宏和张宗婕,2012)等方面的分析研究.因此,对龙卷风这样的小尺度罕见极端天气,我们希望在它的发生之前有可捕捉的中尺度或大尺度扰动环流和扰动变量分布的环境形势.辽宁开原当地有历史观测记载的强龙卷例子并不多.对2019年7月3日下午发生在辽宁开原的龙卷例子,我们试图从实时分析的大气变量和欧洲中期天气预报中心(ECMWF)模式产品中分离出扰动分量,并结合地面观测、雷达图像和卫星云图演变的特征,寻找有利于龙卷发生的扰动天气环境.

1 龙卷特征与资料和方法

根据辽宁省气象局在2019年7月4日的新闻通报,受东北冷涡及蒙古气旋前侧低压带的共同影响,7月3日下午铁岭地区出现了龙卷、冰雹、短时雷暴降水等强对流天气.天气雷达显示,强回波从昌图县进入开原市西北部的金钩子镇,向东南方向移动到开原市区附近.开原市国家气象观测站在7月3日17时25分至37分观测到开原市区出现龙卷,气象站测得的最大瞬时风速为23 m·s-1,同时出现了1小时25 mm的强降水,并且在开原市区出现了冰雹和雷电.在沈阳雷达站的7月3日17时22分0.5°仰角回波图像上,开原市北部出现钩状回波并持续到17时44分,回波上呈现出中气旋结构.辽宁省气象局对事后的天气影响评估中更具体地指出,龙卷始发于开原市金钩子镇金英村北约0.5 km,消失于中固镇清水沟子村北约1.5 km,全程直线距离约15 km,强度为EF4级.龙卷、钩状回波和中气旋式样的回波,它们三者的尺度不同,但出现的时间和地点一致.此次强对流天气过程导致了人员伤亡和房屋倒塌.

本文使用了多套资料.其一是美国国家环境预报中心(NCEP)提供的全球预报系统(GFS)的实时分析资料(https://www.emc.ncep.noaa.gov/GFS/.php),时间间隔是3 h,水平分辨率为1.0°×1.0°经纬格点,垂直分31个气压层,对风场资料内插到了0.5 h分辨率上.其二是ECMWF模式产品提供的每天0000和1200世界时(UTC)分析场和对未来10天时间间隔为6 h(0000、0600、1200和1800UTC)的预报产品,水平分辨率为0.75°×0.75°经纬格点,垂直分8层(http://tigge.ecmwf.int/).其三是中国国家气象中心天气预报技术研发室对沈阳气象雷达观测的图像分析.其四是日本葵花8气象卫星红外云图,时间间隔是10 min(http://www.jma.go.jp/en/gms/).

扰动分解方法已经在多种类极端天气的分析中有了介绍(钱维宏, 2012a, b钱维宏和于甜甜,2013钱维宏等, 2016, 2017).这一方法的思想来源于中华祖先对气候年循环中24节气和72候的时间段划分.年循环的气候等分成24节气和72候,可以称为古代气候钟,它是古代人对中原地区地面气候年循环的描述.依此,现代人可以利用当今全球高时空分辨率多年观测资料的积累,建立一个现代气候钟.它可以把年循环的气候态细分成365天/年×24个时次/天=8760个时次的瞬变气候态,它包含年循环过程中的逐日变化和日循环过程中的逐时变化.用实况大气变量或模式产品变量减去瞬变气候变量就得到瞬时扰动.瞬变气候和24节气气候都是不需要预报的,要预报的是相对瞬变气候的瞬时扰动.雷达回波和云图上的对流实体可以看作为极端天气或扰动天气的实况.

雷达回波中的反射率因子反映了大气中的云和降水中的各种水汽凝结物对电磁波的后向散射强度,其回波反映了气象目标内部降水粒子的尺度和密度分布.图 1a是国家气象中心天气预报技术研发室对2019年7月3日17时44分32秒沈阳雷达0.5°仰角观测的回波强度分析.雷达回波呈东西带状,最强的回波在最西部分的尖缘.图 1a中的回波总体分布与850 hPa上的扰动风切变(黄箭头)均为可分辨的中尺度系统.为了细化回波的特征,图 1b是对雷达回波西端部分的放大,钩状回波特征明显.钩状回波也对应着一个扰动风下的气旋式扰动环流.所以,钩状回波(图 1b)和带状回波(图 1a)的形成有着共同的扰动大背景.虽然气象观测站在17时25分至37分观测到开原市区出现龙卷,但在其后的8 min内龙卷的钩状回波并没有消失.苏北阜宁龙卷也有类似的钩状回波(钱维宏等,2017),但开原龙卷在17时44分32秒沿最强位置线(图 1b中白直线)的回波高度和强度都比阜宁的高和强(回波垂直剖面图略).图 1b中的钩状回波结构和图 1a中的总体回波分布与常规天气图和扰动天气图上天气系统之间的联系,是需要进一步考察的内容.

图 1 国家气象中心天气预报技术研发室对2019年7月3日17时44分32秒沈阳雷达0.5°仰角观测回波的分析:(a)总体回波和(b)局部放大的回波(阴影,10 DBZ间隔). (a)中白色圆圈指示所在的龙卷风暴,而(b)中的框区为龙卷风暴主体部分. 黄色箭头示意17:30 BT的850 hPa扰动风矢量 Fig. 1 0.5° elevated radar echo over Shenyang at 17:44:32 BT 3 July 2019 from (a) regional and (b) local scopes made by the Research and Development Office of Weather Forecast Technology, National Meteorological Center of China. The white solid circle in (a) denotes the location of the tornado and the white rectangle in (b) is the main body of the tornado. The yellow arrows denote the anomalous winds at 17:30 BT at 850 hPa
2 常规天气图上的形势分析

来自实时分析资料和模式产品绘制的常规天气图仍然是国内外气象业务部门预报和预警重要天气的首选工具.在每天两个时次(北京08和20时)的常规天气图上,我们寻找当日龙卷发生前08时500和850 hPa以及存在于高空天气图和地面形势场中可能的强对流天气潜在信息.图 2a中,500 hPa层的东北冷涡涡旋中心(C1和L1)位于黑龙江省的中部,冷的温度中心处于低压中心的西侧,而蒙古国在高压系统(H)的控制下,开原(三角)的对流层中部处于位势高度场的西高东低之间的强西北气流中.这种温压场配置很容易在涡旋中心的西侧形成横槽,并有冷空气的堆积.在2019年7月3日08时的500 hPa常规天气图上,三条阶梯槽(图 2a中的粗虚线)由北向南分别出现在东北、渤海到江淮地区,有利于冷空气南下.

图 2 2019年7月3日08时ECMWF模式产品中的实时分析场(a)500 hPa和(b)850 hPa位势高度(黑色等值线,40gpm间隔)、温度(灰色等值线,4℃间隔)和风羽(单位:m·s-1).粗虚线为高度槽或风的切变线,字母W和C表示暖和冷的位置,H和L指示高压脊和低涡. 黑色三角为龙卷发生地开原 Fig. 2 Total geopotential height (black contours, 40 gpm interval), total temperature (grey contours, 4 ℃ interval) and wind barbs (unit: m·s-1) at 08:00 BT 3 July 2019 based on the ECMWF analysis products at (a) 500 hPa and (b) 850 hPa. Thick dashed line denotes the height trough or wind shear. The letters W/C and H/L denote the centers of warm/cold masses and the locations of height ridge and low vortex. The black triangle denotes the location of tornado

低层850 hPa层上(图 2b),开原所在纬度带的天气形势是,蒙古国的西部有一个气旋(L2),蒙古国的东部受高压脊(H)的影响,而我国东北有一个冷涡(C1和L1),开原的西侧有一条低压槽(低压带)或西北风与偏西风的切变线(粗虚线).这就是气象部门在新闻通报中提到的天气形势:开原的龙卷发生受到了东北冷涡及蒙古气旋前侧低压带的共同影响.东北三省的中东部地区低层大气都在西南暖平流的影响下.中低层500 hPa和850 hPa之间的温压场与风场的配置关系是有利于大气层结不稳定度加强的.类似的中低层大气温压场特征在以往的东北冷涡背景下的强对流天气形势中也有反映(王宁等,2014王婷婷等,2017).类似的水平阶梯槽和垂直不稳定形势都会反映在图 2所示的广大范围的常规天气图上.但是,预报员难以确定图 1中与带状回波和钩状回波有紧密联系的扰动系统的具体位置和时间.

上述常规天气图形势的分析表明,该时间段内东北地区是有利于强对流天气孕育的,但仍然难以推断极端天气,如强对流风暴可能发生的具体位置和时间.所以,即使这样的天气形势再次出现在常规天气图上,预报员也难以提前做出龙卷可能在哪个省的哪个地方发生的预报和预警.由于极端天气的发生反映了大气中扰动能量积累到一定程度时的快速释放,我们希望通过扰动天气图的形势分析,寻找可能发生强风暴的局地环境潜势.

3 大气扰动变量垂直分布结构

为了节省篇幅,我们在以下的分析中不再绘制大气实时变量和模式产品的总量(原始场)垂直剖面图,而是直接给出垂直的和水平的扰动变量分析图,在时间描述上使用北京时.在现代条件下,如能对龙卷发生地有提前几十个小时的预示征兆和临近一个小时的预警信号,对防灾减灾是很有意义的.从ECMWF模式预报时刻的实时分析到每6小时间隔的模式预报产品,我们逐一做了扰动变量的分解分析.该模式提前6、12、18、24、30、36 h都预报出了可与实况比较一致的扰动形势.于是,我们继续分析ECMWF模式提前42 h和提前48 h预报的扰动天气形势.图 3是经过龙卷发生地附近,由ECMWF模式提前42 h和提前48 h预报的高度扰动、温度扰动、比湿扰动和西风扰动,绘制的东西方向和南北方向的垂直剖面分析.从垂直剖面图 3a3b上看,东北地区上空的冷涡非常深厚,从700 hPa向上伸展到了整个对流层,温度距平的负值中心C2在250 hPa,只在对流层的低层存在弱的扰动高压H1和在近地面水平方向上有冷暖气团的对比(W1与C1).图 3中,龙卷发生在模式预报的近地面冷暖扰动气团的交界处,东北侧是冷气团,西南侧是暖气团,从对流层延伸下来的扰动低压槽(粗棕虚线)正好分隔了近地面层的冷暖扰动气团.中国东部地区夏季的暴雨带多位于高度扰动槽线和扰动风的辐合线上,但在常规天气图上暴雨带位于总高度槽和总风辐合线的右侧,低空急流的左侧(Qian et al., 2013Ai and Qian, 2020).它们之间的比较表明,扰动天气图上的扰动变量分布能够确定地指示暴雨发生的位置.龙卷发生位置通常在冷暖气团交界处的偏暖气团一侧,这是在分析美国多次龙卷和苏北多次龙卷的扰动天气图时得到的认识(钱维宏等,2017Qian et al., 2019).所以,图 3中龙卷发生前的温压场空间配置关系再次证实了之前中国龙卷和美国龙卷的分析结果.同样,中国东北龙卷与苏北龙卷的扰动形势也相同,但它们在近地面层的冷暖气团对比都比美国的弱小,反映的是扰动内能不如美国的大,所以只发生了单个龙卷,而美国的扰动气团可以同时出现多个龙卷(Qian et al., 2019).

图 3 ECMWF模式2019年7月1日20时(北京时)起报的第42小时(3日14时)高度扰动(黑色等值线,10 gpm间隔,H和L为正和负值中心)和温度扰动(阴影, 1 ℃间隔,C和W为冷暖中心)分别(a)沿123.75°E和(b)沿42.75°N的垂直分布. 粗棕虚线指示高度扰动槽;(c)、(d)同(a)、(b),但为2019年7月1日20时起报的第48小时(3日20时);(e)、(f)为2019年7月1日20时起报的3日14时和3日20时的比湿扰动(阴影,0.5×10-3kg·kg-1间隔)和西风扰动(黑色等值线,5 m·s-1间隔). 字母W和D为湿和干扰动中心. 字母P和N为西风异常和东风异常中心 Fig. 3 Vertical sections of geopotential height anomalies (black contour, 10 gpm interval) and temperature anomalies (shading, 1 ℃ interval) at 14:00 BT 3 July 2019 initiated from 20:00 BT 1 July 2019 based on the ECMWF model prediction respectively for (a) the vertical-meridional section along 123.75°E and (b) the vertical-zonal section along 42.75°N, in which the letters H/L and W/C are high/low and warm/cold centers of geopotential height and temperature anomalies, respectively. Thick dashed brown lines denote the trough of geopotential height anomalies; (c) and (d) same as (a) and (b) except for at 20:00 BT 3 July 2019; Vertical sections of specific humidity anomalies (shading, 0.5×10-3kg·kg-1 interval) and westerly wind anomalies (black contour, 5 m·s-1 interval) at (e) 14:00 BT 3 July 2019 and (f) 20:00 BT 3 July 2019. The letters W/D are wet/dry centers of specific humidity anomalies and the letters P and N are the centers of westerly and easterly wind anomalies

2019年7月3日20时,龙卷对地面的影响已经结束了两个半小时,但龙卷在空中的背景扰动涡旋还存在.ECMWF模式预报的第48小时(3日20时),对流层中高层的扰动冷涡结构在龙卷出现前后的几个小时中没有大的变化,近地面冷暖气团的交界线和高层延伸下来的扰动高度槽线正好就在龙卷发生地(图 3c3d).可见,龙卷出现时,高层高度扰动延伸下来的槽线和近地面冷暖气团分界线刚好定位在开原附近.这一结果表明,当前数值模式可以在短期内提前几十个小时预示有可能孕育强对流天气发生的时间和位置.ECMWF模式能够在短期内预报出可与实况较为一致的天气环流形势,但是预报员难以直接从常规天气图上看到可指示有利于龙卷孕育的环境形势.龙卷的发生是局地的,但它的孕育需要一个大尺度的扰动环境背景.这个扰动环流系统从较大尺度上提供了局地强对流天气可能发生的时间和地点的预示,它也为雷达和卫星高时空分辨率图像的检测与预警提供了信息.这种预示信息在常规天气图上和模式预报产品中的表现没有在扰动天气图中的清晰.

在实际的对流天气和强降水分析中,人们同时考虑由总场基本量计算出的多种物理指标和环流形势:如动力学的涡度、散度和上升速度;热力学的多种垂直稳定度指数(K指数和对流有效位能(CAPE)等);水汽湿度条件中的温度露点差、水汽通量、假相当位温、强水汽辐合等要素;中低层大气中的次天气或中尺度天气系统的天气流型(槽、切变线、急流位置、逆温层、冷暖锋面、低层湿舌等);最后把这些进行搭配组合,做出对流天气的判断(唐晓文等,2010张小玲等,2012刘国忠等,2013).考虑到这些物理量和流型不是相互独立的,扰动法直接使用基本量(温、压、湿、风)中的扰动分量空间分布组合特征,它们能够在业务中直观、快捷地指出有利于对流天气发生的位置和强度随时间的变化.

图 3e是ECMWF模式从7月1日20时起报的第42小时,即3日14时的比湿扰动在南北剖面上的分布.龙卷发生日(9个小时前)的当天上午,近地面层只有弱的正比湿中心(W1).龙卷发生后的3日20时,比湿扰动的正中心接近地面(图 3f中W1).与以前的分析结果一致,东北龙卷发生的低层水汽含量和湿层厚度比江淮和华南龙卷的低(王秀明等,2015钱维宏等,2017).低层大气扰动风上,龙卷发生日和发生地的南侧为南风扰动,北侧为北风扰动.龙卷发生前,开原上空的对流层存在异常的西风(图 3e中P),而在北侧有更强的东风扰动(图 3e中N),对流层大气中存在很强的水平风速切变(图 3e中P与N之间的密集风速等值线).在850 hPa上,环绕龙卷发生地的东西风扰动切变仍然清楚.在龙卷消亡后,这样的风切变也减弱了(图 3f中P与N之间的稀疏风速等值线).龙卷是大气中发生的扰动动能高度集中的小尺度环流系统.这种扰动动能的高度集中必须有一个更大的扰动动能环境,龙卷发生前的大气中(图 3e)就具有比龙卷发生后的大气中(图 3f)更有利的大尺度扰动动能环境.

4 大气扰动变量水平分布

扰动天气图上的大气扰动系统具有可识别的空间三维结构特征.我们进一步考察龙卷发生前ECMWF模式提前24 h内预报的扰动形势在水平扰动天气图上的分布.图 4是ECMWF模式预报的850 hPa风扰动和比湿扰动.3日02时(图 4a),东北扰动涡旋的低层、吉林省的西北部和渤海三地各有一个扰动比湿中心.一条扰动风切变线(红实线)从东北扰动冷涡向西南延伸到开原的北侧.3日08时至14时(图 4b图 4c),扰动风切变线与其北侧的最强扰动风(红箭头)一起,配合比湿中心到达开原.3日20时(图 4d),扰动风切变线东移到了吉林省和辽宁省的东部边境附近.7月3日的四个时次,扰动风切变线的尾端配合最强的扰动气流(红箭头)由西北向东南扫过了开原地区.切变线尾端的强偏北扰动气流与切变线南侧的偏西气流之间具有较大的正涡度扰动,它是有利于强对流天气发生的潜势区域.

图 4 ECMWF模式2019年7月2日20时起报的3日(a)02时,(b)08时,(c)14时和(d)20时的850 hPa风扰动(单位:m·s-1,红线为切变线,红色箭头指示偏北大风)和比湿扰动(阴影,单位:10-3 kg·kg-1,W为湿中心);(e)和(f)为ECMWF模式2019年7月1日20时起报的3日14时和20时的风扰动和比湿扰动 Fig. 4 Anomalous wind vector (units: m·s-1) and anomalous specific humidity (shading, units: 10-3 kg·kg-1) at 850 hPa based on the ECMWF model prediction at (a) 02:00 BT 3, (b) 08:00 BT 3, (c) 14:00 BT 3, (d) 20:00 BT on 3 July 2019 initiated from 20:00 BT on 2 July 2019; (e) and (f) same as (a) except at 14:00 BT on 3 and 20:00 BT on 3 July 2019 initiated from 20:00 BT on 1 July 2019. The red lines are the shear lines of winds at 850 hPa, and the red arrows indicate the strong northerlies. The letter W denotes the wet center of specific humidity anomalies

ECMWF模式2019年7月1日20时起报的3日14时和20时的风扰动和比湿扰动也很好地指示了上述850 hPa扰动风切变线随时间扫过了开原地区.3日14时(图 4e),ECMWF模式提前42 h预报出了扰动风切变线和一个弱的湿扰动中心位于开原地区.3日20时(图 4f),ECMWF模式提前48 h预报出了扰动风切变线向东移动到了吉林省和辽宁省的东部边缘.从单一扰动变量看,如扰动风切变线扫过的范围远比发生龙卷的地方大,所以单一扰动变量难以指示龙卷的发生地.龙卷的发生不但需要有气候环境条件,还需要多扰动变量的综合环境条件.扰动变量分布上,龙卷发生在最强扰动北风与扰动西风具有最大扰动涡度的地方,又配合在一个正的扰动比湿条件的地方.这些中尺度的扰动环境为小尺度龙卷的可能发生准备了条件.在很多的类似环境条件下,发生的可能不是龙卷,而是冰雹或雷暴等极端天气.

5 云系演变与扰动气流分布

上述分析的基本大气扰动变量,包括扰动风分布和扰动比湿只是反映有可能出现强对流天气的环境条件,尚难以判断强对流的性质,如龙卷与一般性的对流,也难以确定强对流的更具体位置.在可预见的强对流天气环境条件下,我们试图从雷达回波和卫星云图上加密监测可能出现的龙卷或其他强对流天气的发生位置.作为在预报实践中的可能应用,图 5给出了2019年7月3日11时至21时日本葵花8气象卫星红外云图演变与美国GFS实时分析的850 hPa扰动气流的对应关系.国家气象站观测到的龙卷出现时间在17时25分到37分,天气雷达观测到的强钩状回波在17时44分32秒.图 5a是11:00时的云图与扰动气流,最强的云带沿扰动气流辐合线,呈现东西向分布,出现在开原的东北方.12:00时(图略),云带增强,云带西端尖缘部分清晰,云带北侧为东北扰动气流,南侧为偏西扰动气流.在这样的气旋式扰动气流下,13:00时云带的西端尖缘部分向西南方向发展(图 5b).从15:00时(图 5c),云带进一步增强向西南方向延伸,逐渐向开原靠近,云带北侧为较强的西北扰动气流,而南侧为较弱的西南扰动气流.17:00时是气象站观测到龙卷前的25 min,云带的西端更为强盛,西端尖缘部分到达开原,西端云带北侧的强偏北扰动气流与云带南侧的弱偏西扰动气流之间形成气旋式的扰动涡度(图 5d).17:30时是气象站观测到龙卷和雷达上有钩状回波的时刻,最强的云带西端尖缘部分与扰动气流辐合线一起在开原.从18:00时(图 5e)至19:00时,随着扰动气流辐合线北侧扰动气流的减弱,云带变宽.云带在20:00时(图 5f)至21:00时变得更松散,云带西端位置也向南移动,离开开原.

图 5 2019年7月3日(a) 11:00时,(b) 13:00时,(c) 15:00时,(d) 17:00时,(e) 18:00时和(f) 20:00时的葵花8云图与GFS分析产品的850 hPa扰动风随时间的变化. 红三角指示开原位置. 红线为偏北风与偏西风之间的扰动气流辐合线 Fig. 5 Himawari-8 image and anomalous wind vector at 850 hPa from GFS analysis product at (a) 11:00 BT, (b) 13:00 BT, (c) 15:00 BT, (d) 17:00 BT, (e) 18:00 BT, and (f) 20:00 BT on 3 July 2019. The red triangles denote the location of Kaiyuan and the red lines are convergence line of anomalous winds between northerlies and westerlies

在2019年7月3日11:00时至21:00时的10个小时云图强度和位置演变与850 hPa扰动风场的关系中,我们能够快速地判断它们之间的密切联系. 在雷达回波上,中气旋的形成(图 1a)和强度变化也反映与这条云带的演变对应.云带亮度和位置变化也能够反映对流的强度和移动,而真正背后的动力学机制是扰动气流的辐合(图 1中的黄箭头和图 5中的蓝箭头),即直接相关于扰动气流涡度(图略).这样的变化关系能够反映出对流天气强度和位置随时间变化的动力学原因,但困难仍然是,难以确认是否会出现龙卷,还是一般的雷暴天气.对照图 1a图 5e图 5f中各时刻的东西向雷达回波与云带西端的位置对应关系,它们都形成在较强的北侧偏北扰动气流与较弱的南侧偏西扰动气流之间的正扰动涡度区中.在龙卷发生的前后近10个小时中,最亮云带和最强雷达回波的位置都能用850 hPa上的扰动气流辐合线和动力学指标量(扰动涡度)来描述.在理论和应用上,强对流性极端天气(冰雹、龙卷和雷暴)的发生是潮湿气团受到强烈抬升的结果.它们是正的扰动比湿与正的扰动涡度重叠的地方,可用一个湿涡度扰动(MVA)的指标量表征(Qian et al., 2015),它也在本文的图 3图 4中得到了再次验证.

6 结论与讨论

高影响的极端天气预报是世界性难题,其中龙卷预报更是难题中的难题,因为它的尺度小,但引发的灾害极大.本文对辽宁省开原地区发生的这例龙卷强对流过程的分析,从有效预报时间和扰动天气形势分析的角度关注来自数值模式预报产品中的扰动变量空间结构,从天气过程演变和局地天气特点的角度关注卫星云图和雷达回波随实况扰动气流的变化趋势,可为相关部门提供一条预报强对流天气发生的参考思路.

(1) 综合比较当前常规与扰动天气分析结果.我们首先可以从常规天气图上,或中-短期数值模式产品中,判断一般性的对流不稳定形势.从具体的做法出发,预报员可以从图 2中分析500 hPa东北冷涡中心西侧的横槽与冷气团中心的配置关系.一旦横槽带着冷空气转竖,同时低层850 hPa有暖气团的存在或发展,即表明大气层结不稳定度在增加.如果又采用扰动天气分析方法,那么扰动风的强中心、扰动风切变线(或辐合线)、扰动位势高度槽、扰动比湿的正中心和冷暖扰动气团的边界位置,它们的综合分析会大大提高对强对流天气发生时间和地点的判断.

(2) 基于模式产品的扰动变量分析.根据中国气象局下发给各省市的ECMWF模式预报产品,地市县预报员可以查看模式预报产品的当前时刻和未来短期时刻的扰动变量垂直分布配置(图 3)和水平分布特征(图 4),确定本地未来短期内是否会受到多变量扰动系统的影响.当前ECMWF提供的未来10天模式预报产品中,对未来6天内夏季中国的扰动系统对降水预报的指示能力,要大大好于降水产品的直接预报(Qian et al., 2013).随着将来极端天气预报中人工智能技术的运用,建立如本文类似的历史扰动变量空间分布结构与地面极端天气事件库,有望在未来对不同种类的极端天气环境形势的识别和预报有所帮助.

(3) 卫星云图与扰动风定位极端天气.卫星云图和雷达回波上看到的实体图像,物理上反映的是大气中云和降水中的各种水汽凝结物的存在.但它们也反映了大气中扰动能量缓慢积累到一个临界值时的爆发或释放.雷达回波上看到的实体已经是强天气爆发的实况了(图 1).云图与扰动风的综合分析可以得到一个随时间演变的过程,也就是扰动能量集中与释放的过程(图 5).云图中,强对流处云顶温度低和边缘清晰,表明强对流天气发展强烈,是龙卷、冰雹和雷雨大风可以定位的地方.实时监测云图和回波与扰动风场的变化过程,如扰动气流辐合线的变化或湿涡度扰动的位置,是临近龙卷等强对流天气预警的最佳线索.当然,用高时空分辨率的区域数值模式预报短期的扰动风分布和计算扰动风物理量(如湿涡度扰动),对预报强对流天气的发生时间和位置是有意义的.

(4) 扰动天气图揭示的极端天气本质.极端天气,特别是龙卷的发生,是大气中扰动能量缓慢积累到一个临界值时的快速释放.扰动能量就体现在温度扰动、位势高度扰动、风扰动和比湿扰动的分布中.这些基本扰动变量对应龙卷发生时的空间分布特征能够很好地反映在扰动天气图上,也存在于常规天气图中,但难以显现在常规天气图上.如果模式能在短期内正确预报出总场变量,那么就可以分解并绘制出扰动天气图.预报员就可以迅速地从扰动天气图上识别和预报极端天气的种类和强度.中国和美国的龙卷和暴雨例子中(钱维宏等,2017Qian et al., 2019),强对流天气也都发生在高层高度扰动延伸下来的槽线和近地面冷暖气团分界线的位置,表明扰动变量分布具有动力学意义.温度扰动和高度扰动之间满足静力平衡关系,即依据静力平衡关系可以用高度扰动计算出温度扰动,也可以依据地转关系用高度扰动计算出风扰动.温度扰动中的冷暖气团强度对比就是大气中的不稳定能量,它释放时产生的对流运动与正的水汽异常配合就会发生龙卷、冰雹和强降水等极端天气.

致谢  国家气象中心天气预报技术研发室朱文剑给予的雷达图像支持,辽宁省气象台和科技处给予的开原龙卷相关实况信息.
References
Ai Y, Qian W H. 2020. Anomaly-based synoptic analysis on the Heavy Rain Event of July 2018 in Japan. Natural Hazards, 101(3): 651-668. DOI:10.1007/s11069-020-03888-y
Chen Y, Hu Q, Yang Y M, et al. 2017. Anomaly based analysis of extreme heat waves in Eastern China during 1981-2013. International Journal of Climatology, 37(1): 509-523. DOI:10.1002/joc.4724
Chou J F. 2012. An innovation study on the physical decomposition of numerical model atmospheric variables and their application in weather extreme events. Chinese Journal of Geophysics (in Chinese), 55(5): 1433-1438. DOI:10.6038/j.issn.0001-5733.2012.05.001
Corfidi S F, Weiss S J, Kain J S, et al. 2010. Revisiting the 3-4 April 1974 super outbreak of tornadoes. Weather and Forecasting, 25(2): 465-510. DOI:10.1175/2009waf2222297.1
Fan W J, Yu X D. 2015. Characteristics of spatial-temporal distribution of tornadoes in China. Meteorological Monthly (in Chinese), 41(7): 793-805. DOI:10.7519/j.issn.1000-0526.2015.07.001
Jiang N, Qian W H, Du J, et al. 2016. A comprehensive approach from the raw and normalized anomalies to the analysis and prediction of the Beijing Extreme Rainfall on July 21, 2012. Natural Hazards, 84(3): 1551-1567. DOI:10.1007/s11069-016-2500-0
Knupp K R, Murphy T A, Coleman T A, et al. 2014. Meteorological overview of the devastating 27 April 2011 tornado outbreak. Bulletin of the American Meteorological Society, 95(7): 1041-1062. DOI:10.1175/BAMS-D-11-00229.1
Liu G Z, Huang K G, Luo J Y, et al. 2013. Research on the short-term forecasting technique of persistent rainstorm with conceptual model and ingredients-based method. Meteorological Monthly (in Chinese), 39(1): 20-27. DOI:10.7519/j.issn.1000-0526.2013.01.003
Mercer A E, Shafer C M, Doswell C A, et al. 2012. Synoptic composites of tornadic and nontornadic outbreaks. Monthly Weather Review, 140(8): 2590-2608. DOI:10.1175/MWR-D-12-00029.1
Qian W H. 2012a. Physical decomposition principle of regional-scale atmospheric transient anomaly. Chinese Journal of Geophysics (in Chinese), 55(5): 1439-1448. DOI:10.6038/j.issn.0001-5733.2012.05.002
Qian W H. 2012b. How to improve the skills of weather and climate predictions?. Chinese Journal of Geophysics (in Chinese), 55(5): 1532-1540. DOI:10.6038/j.issn.0001-5733.2012.05.010
Qian W H, Zhang Z J. 2012. Precursors to predict low-temperature freezing-rain events in southern China. Chinese Journal of Geophysics (in Chinese), 55(5): 1501-1512. DOI:10.6038/j.issn.0001-5733.2012.05.007
Qian W H, Li J, Shan X L. 2013. Application of synoptic-scale anomalous winds predicted by medium-range weather forecast models on the regional heavy rainfall in China in 2010. Science China Earth Sciences, 56(6): 1059-1070. DOI:10.1007/s11430-013-4586-5
Qian W H, Yu T T. 2013. Application of physical decomposition of atmospheric variables to the prediction of extreme temperature events. Meteorological Monthly (in Chinese), 39(6): 665-674. DOI:10.7519/j.issn.1000-0526.2013.06.001
Qian W H, Jiang M. 2014. Early signals of synoptic-scale atmospheric anomalies associated with the summer low temperature events in Northeast China. Meteorology and Atmospheric Physics, 124(1-2): 33-46. DOI:10.1007/s00703-013-0306-0
Qian W H, Du J, Shan X L, et al. 2015. Incorporating the effects of moisture into a dynamical parameter: Moist vorticity and moist divergence. Weather and Forecasting, 30(6): 1411-1428. DOI:10.1175/Waf-D-14-00154.1
Qian W H, Jiang N, Du J. 2016. Seven anomalous synoptic patterns of regional heavy rain in eastern China. Meteorological Monthly (in Chinese), 42(6): 674-685. DOI:10.7519/j.issn.1000-0526.2016.06.003
Qian W H, Leung J C H, Jin R H, et al. 2017. Application of anomalous variables to severe convective system analyses and model evaluation: a case study on tornado-producing anomalous systems near Lixia River, Jiangsu Province. Meteorological Monthly (in Chinese), 43(2): 166-180. DOI:10.7519/j.issn.1000-0526.2017.02.004
Qian W H, Leung J C H, Luo W M, et al. 2019. An index of anomalous convective instability to detect tornadic and hail storms. Meteorology and Atmospheric Physics, 131(3): 351-373. DOI:10.1007/s00703-017-0576-z
Sun L, Zheng X Y, Wang Q. 1994. The climatological characteristics of northeast cold vortex in China. Journal of Applied Meteorological Science (in Chinese), 5(3): 297-303.
Tang X W, Tang J P, Zhang X L. 2010. An ingredient-based operational heavy rain quantitative forecast system. Journal of Nanjing University (Natural Sciences) (in Chinese), 46(3): 277-283.
Wang N, Wang T T, Zhang S, et al. 2014. Observation of a tornado in the circulation background of northeast cold vortex. Journal of Applied Meteorological Science (in Chinese), 25(4): 463-469.
Wang T T, Wang N, Yao Y, et al. 2017. Comparison analysis of formation mechanisms of two tornado cases under the background of northeast cold vortex. Journal of Meteorology and Environment (in Chinese), 33(6): 9-15. DOI:10.3969/j.issn.1673-503X.2017.06.002
Wang X M, Yu X D, Zhou X G. 2015. Study of northeast China torandoes: the environmental characteristics. Acta Meteorologica Sinica (in Chinese), 73(3): 425-441. DOI:10.11676/qxxb2015.031
Zhang X L, Chen Y, Zhang T. 2012. Meso-scale convective weather analysis and severe convective weather forecasting. Acta Meteorologica Sinica (in Chinese), 70(4): 642-654. DOI:10.11676/qxxb2012.052
丑纪范. 2012. 一个创新研究——大气数值模式变量的物理分解及其在极端事件预报中的应用. 地球物理学报, 55(5): 1433-1438. DOI:10.6038/j.issn.0001-5733.2012.05.001
范雯杰, 俞小鼎. 2015. 中国龙卷的时空分布特征. 气象, 41(7): 793-805. DOI:10.7519/j.issn.1000-0526.2015.07.001
刘国忠, 黄开刚, 罗建英, 等. 2013. 基于概念模型及配料法的持续性暴雨短期预报技术探究. 气象, 39(1): 20-27. DOI:10.7519/j.issn.1000-0526.2013.01.003
钱维宏. 2012a. 天气尺度瞬变扰动的物理分解原理. 地球物理学报, 55(5): 1439-1448. DOI:10.6038/j.issn.0001-5733.2012.05.002
钱维宏. 2012b. 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. DOI:10.6038/j.issn.0001-5733.2012.05.010
钱维宏, 张宗婕. 2012. 南方持续低温冻雨事件预测的前期信号. 地球物理学报, 55(5): 1501-1512. DOI:10.6038/j.issn.0001-5733.2012.05.007
钱维宏, 于甜甜. 2013. 大气变量物理分解法在极端温度事件前期信号提取中的应用. 气象, 39(6): 665-674. DOI:10.7519/j.issn.1000-0526.2013.06.001
钱维宏, 蒋宁, 杜钧. 2016. 中国东部7类暴雨异常环流型. 气象, 42(6): 674-685. DOI:10.7519/j.issn.1000-0526.2016.06.003
钱维宏, 梁卓轩, 金荣花, 等. 2017. 扰动变量在强对流天气分析和模式评估中的应用——以苏北里下河地区引发龙卷的扰动系统为例. 气象, 43(2): 166-180. DOI:10.7519/j.issn.1000-0526.2017.02.004
孙力, 郑秀雅, 王琪. 1994. 东北冷涡的时空分布特征及其与东亚大型环流系统之间的关系. 应用气象学报, 5(3): 297-303.
唐晓文, 汤剑平, 张小玲. 2010. 基于业务中尺度模式的配料法强降水定量预报. 南京大学学报(自然科学), 46(3): 277-283.
王宁, 王婷婷, 张硕, 等. 2014. 东北冷涡背景下一次龙卷过程的观测分析. 应用气象学报, 25(4): 463-469.
王婷婷, 王宁, 姚瑶, 等. 2017. 东北冷涡背景下两类龙卷形成机制的对比分析. 气象与环境学报, 33(6): 9-15. DOI:10.3969/j.issn.1673-503X.2017.06.002
王秀明, 俞小鼎, 周小刚. 2015. 中国东北龙卷研究: 环境特征分析. 气象学报, 73(3): 425-441. DOI:10.11676/qxxb2015.031
张小玲, 谌芸, 张涛. 2012. 对流天气预报中的环境场条件分析. 气象学报, 70(4): 642-654. DOI:10.11676/qxxb2012.052