气象学报  2018, Vol. 76 Issue (3): 323-342   PDF    
http://dx.doi.org/10.11676/qxxb2018.001
中国气象学会主办。
0

文章信息

吴亚丽, 蒙伟光, 陈德辉, 林文实, 朱立娟. 2018.
WU Yali, MENG Weiguang, CHEN Dehui, LIN Wenshi, ZHU Lijuan. 2018.
一次华南暖区暴雨过程可预报性的初值影响研究
A study of the impact of initial conditions on the predictability of a warm-sector torrential rain over South China
气象学报, 76(3): 323-342.
Acta Meteorologica Sinica, 76(3): 323-342.
http://dx.doi.org/10.11676/qxxb2018.001

文章历史

2017-05-18 收稿
2017-11-05 改回
一次华南暖区暴雨过程可预报性的初值影响研究
吴亚丽1,2, 蒙伟光1, 陈德辉1,3, 林文实2, 朱立娟3     
1. 区域数值预报重点实验室/中国气象局广州热带海洋气象研究所, 广州, 510080;
2. 中山大学大气科学学院, 广州, 510275;
3. 国家气象中心/数值预报中心, 北京, 100081
摘要: 华南暖区暴雨发生时,冷空气和锋面离广东较远,往往事前不易被发现,漏报或迟报较多。基于覆盖华南区域的3 km GRAPES_Meso模式和ADAS(ARPS Data Analysis System)系统的复杂云分析方案,选取2015年5月16日发生在粤西沿海地区的一次暖区暴雨个例进行数值试验,研究模式初始湿度条件的差异对暖区对流系统的触发、发展和维持的可预报性的影响。试验结果表明,增加模式的初始云信息可以增大初始场中低层的大气湿度,使空气接近或达到饱和,从而使数值模式有能力模拟出与实况接近的降水。分析模拟结果的对流触发和维持过程,可以发现,(1)初始水汽和云水物质的增多,增大了大气的不稳定性:对流有效位能(CAPE)增大、K指数增大,对流抑制能量(CIN)减小、抬升指数(LI)减小,而且大气可降水量(PW)增多,从而使对流能够被快速激发;(2)暖区暴雨对流触发和对流维持的机制有所不同:模式对初始时刻湿度条件高度敏感,模式开始积分后饱和大气释放凝结潜热加热大气,所导致的浮力增强使对流更容易被触发;对流维持发展阶段,降水引发地面弱冷池形成,冷池向外流出气流与粤西沿海暖湿气流的汇合维持了低层水平风场辐合,从而维持了对流和降水的发展。进一步的敏感性试验表明,减少初始水汽增量,则辐合上升运动减弱,激发的对流强度减弱,且对流发生、发展、消散的速度变慢、滞后于实况。
关键词: 暖区暴雨     初值     对流触发     对流维持    
A study of the impact of initial conditions on the predictability of a warm-sector torrential rain over South China
WU Yali1,2, MENG Weiguang1, CHEN Dehui1,3, LIN Wenshi2, ZHU Lijuan3     
1. Key Laboratory of Regional Numerical Weather Prediction/Institute of Tropical and Marine Meteorology, CMA, Guangzhou 510080, China;
2. School of Atmospheric Sciences, Sun Yat-Sen University, Guangzhou 510275, China;
3. National Meteorological Center/Numerical Weather Prediction Center, Beijing 100081, China
Abstract: The warm-sector torrential rain in South China often occurs in the warm sector 200-300 km ahead of a cold front or without a cold front. Because of the lack of distinct synoptic systems, the predictability of this type of rain is at a very low level. To discuss the impact of initial moisture condition on warm-sector convection triggering and development, two numerical experiments (the control run CTRL and the cloud analysis run CLD) are designed to study a case occurred over the western coast of Guangdong province on 16 May 2015. These experiments are conducted using 3-km resolution mesoscale GRAPES (Global/Regional Assimilation and PrEdiction System) model and ADAS (ARPS Data Analysis System) complex cloud analysis system. Results show that:(1) the initial condition of cloud analysis run CLD is characterized by higher moisture content, more instable stratification, larger convective available potential energy, increased K index and precipitable water, and lower lifting condensation level and convective inhibition, and smaller LI index. Thereby the vertical velocity is enhanced and the convection is triggered more quickly; (2) there exist some differences between the mechanisms for the warm-sector convection triggering and development, i.e., the triggering is enhanced by latent heat released from water vapor condensation, which contributes to the positive buoyancy; during the convection development period, convergence is caused by the outbreak of the surface cold pool and the warm advection from the sea. Sensitivity experiments further indicate that when reducing the water vapor content to 70%, the initial convergence is weakened, and the convection triggering is subsequently weakened, while the dissipation is also delayed. These results can increase our understanding of the predictability of warm-sector torrential rain in South China. Specifically, results of the present study can be used as a reference for future development of operational cycling assimilation system.
Key words: Warm-sector torrential rain     Initial conditions     Convection triggering     Convection maintenance    
1 引言

华南前汛期暴雨一般分为两类:锋面暴雨和锋前暖区暴雨(黄士松,1986何立富等,2016)。传统观点认为,中国暴雨的发生往往与北方冷空气南下,冷暖空气对峙形成的锋面活动相关。20世纪70年代,“华南前汛期暴雨综合实验”突破了这一经典理论,发现华南地区多暖区对流性降水,有的特大暴雨发生时,南岭以南都没有明显冷空气和锋面活动,即使有锋面影响,有的特大暴雨却产生在冷锋前200-300 km的暖区范围内,且这些特大暴雨发生时常伴有强烈的雷暴活动,为一种强对流天气类型(包澄澜等,1979)。1986年,黄士松等正式将此类暴雨称为“华南暖区暴雨”。历史个例的研究表明,暖区暴雨通常发生在高温、高湿、不稳定的条件下,一旦受到中尺度扰动的触发,所产生的降水往往比锋面降水更为强烈,极易造成突如其来的重大灾害。故加强暖区暴雨的研究,提高其预报的准确性,是气象工作者一直以来的目标,也是大气科学界的一个研究热点(林良勋等,2006闫敬华等,2004邓玉梅,2000)。

针对华南暴雨,自20世纪70年代起中国气象局已先后开展了多次外场观测试验(包澜澄等,1979黄士松,1986薛纪善,1999周秀骥,2000周秀骥等,2003倪允琪等, 2006, 2013Zhang, et al,2011Luo, et al,2017),这些试验取得了丰富的高时、空分辨率的观测资料,提高了对暖区暴雨成因的认识(曹亚平等,2011赵欢等,2015陈艳真等,2016)。但直至目前,暖区暴雨预报仍极具挑战性。从广东省一线预报员的反馈来看,华南暖区暴雨局地性强,天气系统和触发机制不明显,暴雨发生时一般受一致的西南暖湿气流控制(郭圳勉等,2016),预报员往往难以从现有的雷达、卫星、自动气象站等观测资料中提前捕捉到暴雨发生的信息。因此,数值模式已成为能否及时预报出暖区暴雨的关键。但是,目前世界各先进业务中心,如欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)和中国气象局(CMA)提供的确定性数值预报均存在较大误差,对暖区暴雨要么漏报,要么预报的降水落区偏差很大(文丹青等,2011钟雄炎等,2017)。欧洲中心基于奇异向量法生成初值扰动的集合预报的某些成员偶尔能够预报出暖区暴雨的发生,但集合预报产品在解释应用上需要做进一步工作。

暖区暴雨具有明显的强对流性质,暴雨雨团或对流云团显示出α或β中尺度对流系统特征(何立富等,2016)。已有的研究表明,这些中尺度对流系统(MCS)的预报对初值敏感,初始场的微小差异对中尺度对流系统造成的地面降水有显著影响(陈杨瑞雪,2015Melhauser, et al,2012Wu, et al, 2013)。近些年来,一些研究尝试从资料同化技术或初值集合方面改进数值模式对暖区暴雨的预报效果,如张诚忠等(2008)对暖区降水个例的研究表明,通过同化逼近雷达反演的雨水和风速来改进模式初始场可以使模式前12 h的降水预报更逼近实况。王淑莉等(2015)通过3次集合卡尔曼滤波技术同化地面和探空资料,发现好的成员能够模拟出北京“7.21”特大暴雨过程中的暖区降水。Zhang等(2016)针对华南季风降水试验(SCMREX)期间的华南暖区暴雨过程进行研究,发现风廓线资料初值同化技术能够一定程度上提高暖区暴雨的可预报性。这些研究为暖区暴雨的预报提供了很好的思路。

暖区暴雨发生前大气环境通常具有高温、高湿、不稳定程度高的特征,因此,要想模式有能力预报出暖区暴雨,必须具备良好的温湿条件。陈杨瑞雪(2015)通过替换集合预报中较差成员的初始场使之逐渐接近较优成员的初始场发现,初始水汽场的影响大于初始温度场和风场的影响,水汽条件的改变能够影响支持对流发生、发展的对流有效位能(CAPE),从而能够影响中尺度对流系统的强度和降水量的大小。孙建华等(2014)分析了不同水汽含量对飑线结构和强度的影响,发现水汽的增多能够明显增强对流的强度。卢萍等(2009)也有类似的结论,认为大气湿度的增加使对流有效位能随之增长,对流性降水的强度、位置、发生时间也都将发生变化。董春卿等(2015)利用ADAS(ARPS Data Analysis System)系统同化卫星亮温数据,有效加强了初始湿度场,并加速了动力场的协调适应,使数值模式成功捕捉到了β中尺度强对流云团。这些研究表明,飑线、局地暴雨的模拟均对数值模式的初始湿度高度敏感。文中着眼于湿度这一条件,选取2015年5月16-17日粤西南沿海的一次暖区暴雨个例,从对流触发、对流发展和维持角度,分析不同初始湿度条件对暖区对流降水形成和发展的影响,以期为今后的业务工作提供一点借鉴和参考。

2 资料与方法 2.1 资料

研究运用的数值预报模式来自覆盖华南区域范围的GRAPES_Meso模式(薛纪善等,2008陈子通等,2010陈德辉等,2012徐道生等,2016黄丽萍等,2017许晨璐等,2017),模式的背景场和侧边界数据由ECMWF全球高分辨率模式的IFS(Integrated forecast system)分析场提供,资料分辨率为0.125°×0.125°。此外,降水过程的分析采用华南地区(约8000站)地面区域自动气象站观测资料。用于暴雨中尺度对流系统分析和模式初始化的观测资料包括雷达三维反射率拼图、FY-2G静止卫星总云量产品、FY-2G云顶亮温产品。其中雷达反射率拼图覆盖中国华南范围,由区域内各省市提供的18部S波段多普勒雷达制作而成,水平分辨率为3 km,垂直层数为18层,层顶最大可至16 km。FY-2G卫星能够获取白天的可见光云图以及昼夜红外云图,提供相应的产品。文中用到的总云量(CTA)产品的空间分辨率为5 km,云顶亮温(TBB)产品的空间分辨率为10 km。

2.2 模拟试验设计

研究运用的GRAPES_Meso预报模式水平分辨率为0.03°(~3 km),垂直层为55层,模式层顶可到达28 km高度。试验的区域覆盖中国华南地区,范围为(17°-30°N,103.5°-122.5°E)(图 3),时间积分步长选取30 s。模式微物理过程选用WSM 6类方案(水汽、雨、雪、云水、云冰、霰),长波辐射过程选用RRTM方案,短波辐射过程选用Dudhia方案,近地面层方案为莫宁-奥布霍夫方案,陆面过程选用Noah方案,边界层参数化方案为MRF方案,关闭积云对流参数化。

图 3 云分析用到的观测资料 (a.雷达基本反射率,单位:dBz;b. FY-2G云顶亮温,单位:K;c. FY-2G总云量) Figure 3 Observations used in cloud analysis (a. radar reflectivity, unit: dBz; b. FY-2G TBB, unit: K; c. FY-2G cloud cover)

基于GRAPES_Meso模式,设计了两组对比试验,差别仅在于初始场:一组直接采用ECMWF的IFS全球分析场做初值,即对照(CTRL)试验;另一组在ECMWF全球分析资料的基础上进行了三维初始云分析,即CLD试验。这里用到的云分析方案由美国俄克拉荷马大学“风暴分析应用中心(CAPS)”开发的ADAS系统提供。

2.3 ADAS复杂云分析方案

ADAS是由美国俄克拉荷马大学“风暴分析应用中心”开发的用于ARPS(Advanced Regional Prediction System)模式的资料分析系统,包括三维变分、微物理调整以及复杂云分析模块。其中的复杂云分析模块能够融合多种中尺度观测资料,如高时、空分辨率的多普勒雷达、卫星红外和可见光以及地面云量观测资料,是目前应用较广的湿度分析系统,也是本研究模式初始化采用的资料分析方法(下文将“ADAS系统的复杂云分析方案”简称为“ADAS云分析”)。基本原理是,根据云的热力-动力学原理及经验公式等,对三维格点云量、云粒子(云水、云冰)含量、降水粒子(雨水、雪水、雹)含量以及云内热动力信息进行分析。多种观测资料的综合分析有效提供了模式的初始三维云信息,其中,地面观测主要用于订正云底位置,雷达反射率资料用于调整中低层云量、改进云团内部结构以及计算降水粒子含量,卫星红外亮温可以改进云顶结构,订正云顶位置,可见光资料可以用于调整总云量。由于地面人工观测的资料质量存在较大的不确定性,故在云分析方案中未使用,而仅使用华南雷达三维反射率拼图资料、FY-2G云顶亮温和FY-2G总云量资料。关于ADAS系统的详细介绍见已有的研究(Xue, et al, 2000; Hu, et al,2006屈右铭等,2010朱立娟等,2017李佳等,2017)。

3 个例选取及天气分析 3.1 个例选取

2015年5月16-17日,广东省西南市县出现了一次明显的降水过程(图 1),江门(JM,22.404°N,112.652°E)、阳江(YJ,21.845°N,111.978°E)、茂名(MM,21.749°N,110.912°E)等沿海观测站24 h累积降水达到了暴雨、局部特大暴雨的量级,最大降水中心位于阳江市,小时雨量最大达到79 mm,24 h累积雨量最大超过250 mm(图 1a),48 h最大雨量达442.2 mm。此次降水过程可分为两个阶段:第一阶段始于15日21时(世界时,下同),并于16日01-05时达到最强盛,此后降雨逐渐减弱,于12时前后雨势出现间歇。但当天20时后又开始了新一轮降水,降水强度同样达到暴雨级别,直至17日03时降水过程才基本结束。从地面自动观测站阳江站G2325(21.845°N,111.978°E)、阳春站G2367(22.164°N,111.787°E)两个站点的监测来看,第一阶段降水发生的前期粤西南沿海一直受偏南气流影响,无北方冷空气的直接参与,3 h变温、变压不明显(图略),且此阶段的降水强度强、范围小、降水时段集中(图 1b),具有华南暖区暴雨的特征,因而为本研究的重点。从降水发生前各业务模式的表现来看,此次降水过程的预报难度大,各大气象中心模式(如ECMWF、JMA、T639等)均未能给出较为满意的预报结果。选取2015年5月16日00时作为模式初始化时间,预报时效为12 h,以探讨GRAPES_Meso模式对此次暖区暴雨过程的可预报性。

图 1 2015年5月17日00时的24 h累积观测降水(a)以及阳江站(G2325)和阳春站(G2367)的逐时雨量演变(b) Figure 1 Observed 24 h accumulated rainfall (a) and hourly rainfall evolutions (b) at Yangjiang (G2325) and Yangchun (G2367) stations during the period of 00:00 UTC 16-00:00 UTC 17 May 2015
3.2 天气尺度分析

从ECMWF全球高分辨模式提供的IFS分析场来看,2015年5月16日00时华南地区主要受高空南支槽前西南气流影响。地面图上,北部湾受热低压系统控制,而在中国长江以北地区受冷高压影响,冷空气沿着华东地区向南渗透到广西省,但此时广东省尤其是西部地区主要受北部湾热低压东侧一致的偏南气流控制,无明显冷空气影响,24 h变压主要表现为负值(图 2a)。850 hPa等压面(图 2b)上,广东全省基本也都处于西南气流中,切变线主体位于广西并延伸至广东省的北部,而另一段切变线位于江西、福建两省。北部湾到广西、广东西部均为范围宽广的水汽高值区,低层大气处于暖而湿的不稳定状态,而粤东洋面为水汽相对低值区。500 hPa高度(图 2c)上,中纬度的四川和低纬度的广西分别受北支槽和南支槽影响,广东处于南支槽前西南气流中。200 hPa高度(图 2d)上,南亚高压位于中南半岛北部附近,广东西南大部分地区主要处于高空槽前西南气流与南亚高压东北侧西北气流之间形成的辐散气流区中。暴雨发生前的这种环流形势特征具备了华南前汛期暴雨发生集中期的主要特征。而且降水开始发生时850 hPa切变线仍位于广西及广东的北部(图 2b),暴雨过程发生前期无切变线或冷空气直接参与,降水主要发生在受高空南支槽前西南气流影响的环境中,可被认为是属于一种受高空槽影响的暖区暴雨过程(林良勋等,2006)。实际上,在环境水汽和不稳定度满足条件的情况下,由于北部湾附近热低压系统的发展维持,其东侧盛行的偏南气流受粤西沿海有利地形影响,可能对暴雨对流的启动发展有更直接的作用(图 1a)。

图 2 2015年5月16日00时ECMWF IFS资料分析结果 (a.地面天气形势(黑线为等压线,红线为24 h变压,单位:hPa;色阶为00-06时的累积降水,单位:mm),b. 850 hPa风场、高度场(单位:gpm)和比湿(阴影,单位:g/kg),c. 500 hPa风场和高度场(单位:gpm),d. 200 hPa风场和高度场(单位:gpm)) Figure 2 (a) ECMWF IFS surface analysis (black thick lines indicate pressure and red thin lines indicate 24 h pressure variation, unit:hPa; the shaded is observed rainfall during 00:00-06:00 UTC 16 May, unit:mm); (b) 850 hPa winds, geopotential height and specific humidity (shaded, unit: g/kg); (c) 500 hPa winds and geopotential height; (d) 200 hPa winds and geopotential height (unit: gpm) at 00:00 UTC 16 May (unit: gpm)
3.3 中尺度分析

暴雨的形成由中尺度对流系统的活动直接造成,图 3给出的是16日00时用于云分析的雷达回波拼图和相关的卫星云图。从雷达回波图看,16日00时广东省存在两条主要回波带(图 3a),一条位于茂名(MM)-云浮(YF)一带(具体位置见图 1a),呈西南-东北走向,另一条位于西部沿海地区,两者相差100-150 km,反射率最大值均超过45 dBz。随着时间的推移,两条降水回波带逐渐合并,其中沿海地区的回波带稳定少动,而茂名-云浮呈西南-东北走向的回波带向东南方向快速移动并有所加强,并于04时后两者合并成一个尺度约为200 km的α中尺度对流系统回波(图略)。随后,回波的强度逐渐减弱,但与此同时,北部湾附近又有南北向的雨带发生发展,并快速向东移动。08时,原位于沿海地区的回波基本消散,而从西部移来的回波又开始汇入江门(JM)一带,引发了新一轮维持时间达5 h的降水过程。16日00-13时的降水是文中重点关注的对象,其主要发生地阳江(YJ)、江门的降水级别均达到了大暴雨的标准(12 h累积雨量≥140 mm)。

卫星云图也反映出降水主要是受中尺度对流云团影响。模式开始积分时刻,粤西已经有中尺度对流云团发展,此时云顶亮温在-50--60℃(图 3b),且云量大值区域与云顶亮温低值区对应良好(图 3c)。与雷达回波的演变类似,云图的演变也反映出粤西沿海的暴雨过程不仅与发展于沿海的对流系统有关,而且与来自北边内陆一侧对流系统的影响也有很大关系。仔细分析云图的演变可以发现,04时之前,与雷达回波图对应,广东西部地区的对流云团也主要分为两块,范围较大的云团位于粤西内陆一侧,范围较小的一块云团位于沿海地区。在02时,对流云团的云顶亮温均已低于-65℃,表明对流发展旺盛。04时随着两个对流云团逐渐接近和合并,云顶亮温继续降低,对流强度继续加强,对流发展最旺盛时云顶亮温最低值可低于-72℃(图略)。值得提及的是,内陆一侧对流系统的加入反映出在整个降水发生过程中,与北侧切变线活动相联系的冷空气向南渗透也有影响。但不可否认,沿海暖区先期发生的降水对整个暴雨过程的形成有很大贡献。这一点与完全没有冷空气参与的暖区暴雨过程并不完全一致。

4 数值试验结果分析 4.1 两组对比试验结果的比较

5月16日00-12时,粤西沿海地区的12 h累积雨量普遍超过120 mm,最大雨量超过240 mm,图 4给出了两组试验模拟的12 h累积雨量与实况的对比,实况观测表明粤西的雨带位于阳江沿海一带,整体呈东西走向(图 4a)。从两组试验对这一阶段降水的预报情况来看,对照试验对粤西沿海暴雨的预报明显偏弱,最大降水仅达到120 mm左右,而且暴雨的范围比较小,对江门、阳江、茂名等地的大暴雨都存在严重的漏报。采用云分析进行初始化的CLD试验则较好地预报出了沿海雨带的分布特征,预报的暴雨区也呈东西带状分布,最大的12 h累积降水也超过了240 mm(图 4c)。尽管预报降水落区仍略偏北,但模拟结果的这些总体特征与实况已非常接近。可以认为,采用云分析进行初始化的CLD试验对此暖区暴雨的预报是成功的,这为以下通过对比对照试验与CLD试验的差异,探讨暖区暴雨的可预报性及其形成和发展机制提供了可能。

图 4 5月16日00-12时的累积降水 (a.实况,b.对照试验,c. CLD试验;单位:mm) Figure 4 Accumulated precipitation at 00:00-12:00 UTC 16 May 2015 (a. observations, b. CTRL experiment, c. CLD experiment; unit: mm)
4.2 暴雨可预报性的初值影响分析 4.2.1 模式初始水汽条件和云水物质的影响

CLD试验在ECMWF全球分析场的基础上,应用雷达和卫星资料进行云分析获得水汽和云水物质等信息,并采用张弛逼近同化的方式修改模式初始场,因此,CLD与对照试验的差异仅在于初始水汽和云水物质参量。选取暖区暴雨主要发生地(21°-23°N,110.5°-113.5°E)作对比,计算分析两个试验初始水汽和水物质含量差异的区域平均值的垂直结构(图 5a)。不难发现,在降水主要发生区域,相比对照试验,CLD试验反映出的大气中水汽和各类水物质参量的增加在中低层表现明显:水汽(qv)与雨水(qr)增加的极大值位于700 hPa附近,云水(qc)与雪水(qs)增加的极大值位于500 hPa附近,而云冰(qi)增加的极大值位于300 hPa高度,增加最显著的是水汽含量。这样的垂直分布符合云微物理的一般特征。因此,云分析使得数值模式初始场在300 hPa以下有比较明显的增湿,具备了形成降水之前所必需的云水、雨水信息。从两试验在700 hPa高度上的水汽和云内水物质含量的差值分布(图 5b)可以看出,初始水汽和云中水物质混合比增大的区域与暖区暴雨发生地一致,主要位于粤西南,且增量的分布特征与初始时刻的雷达回波形态特征相似,即粤西沿海和内陆分别有一极大值中心,这在一定程度上反映出由云分析方案分析出来的水汽和云信息是可信的。

图 5 t时刻CLD与对照两试验的混合比差值(前者减后者,单位:g/kg) (a)qvqcqrqiqs区域平均值(图 5b矩形区域)的垂直分布和(b)qvqcqrqiqs总和在700 hPa高度的分布;(c)对照试验和(d)CLD试验沿22.5°N相对湿度(单位:%)的垂直剖面 Figure 5 Mixing ratio differences (CLD minus CTRL, unit: g/kg) at the initial time: (a) vertical distribution of regional averaged (rectangle for average calculation)) qv, qc, qr, qi, qs; (b) sum of qv, qc, qr, qi, qs at 700 hPa level; and vertical cross sections of relative humidity along 22.5°N latitude at the (c) CTRL experiment and the (d) CLD experiment

图 5cd给出的是对照试验和CLD试验初始时刻相对湿度的垂直剖面,剖线选取为经过22.5°N的东西向直线(下同)。可以看到,对照试验在大气低层的相对湿度已具有较高的值,普遍超过90%。经过三维云分析初始化后,大气低层的相对湿度进一步增大,在暴雨主要发生区域(112°-115°E)内的600 hPa高度以下,其值多处都达到了100%,表明大气低层空气已经达到饱和。可以推测,在这种情况下大气一旦具备一定的抬升条件,水汽将发生凝结。CLD试验模拟降水结果更接近于实况,这也许与其初始场含有更为丰富和接近实况的三维云信息和更加饱和的湿度条件有密切联系。

4.2.2 初始不稳定条件的影响

水汽条件的改变会带来大气层结条件的改变。已有研究表明,具有相同温度的环境大气中,水汽含量高的环境大气其抬升凝结高度(LCL)更低,气块在抬升过程中更加容易到达抬升凝结高度。而一旦到达此高度,气块中的水汽便开始凝结并释放潜热,对浮力产生正的贡献,因而上升需要克服的对流抑制能量(CIN)会减小,对流更易发生(Madaus, et al,2016)。分析水汽条件差异对不稳定度的影响,有助于理解云分析结果对暴雨可预报性的影响。

对流有效位能和对流抑制能量分别表示在浮力作用下,单位质量气块从自由对流高度(LFC)上升至平衡高度所做的功以及气块上升至自由对流高度克服阻力所需做的功,可用来表征对流发展过程中所具备的能量的多少。K指数是一个综合考虑了温度垂直递减率和大气中低层湿度条件、饱和度的指数,K指数值越大,表示大气越不稳定。抬升指数表示气块从抬升凝结高度出发,沿湿绝热线上升到500 hPa所具有的温度被该处实际大气温度所减得到的差值,因而可以表示抬升条件的好坏。图 6为区域平均的温度对数压力图(平均区域与图 5a相同),同时给出了包括以上列举的几个描述大气不稳定度参数和物理量的计算结果。可以发现,在大气低层CLD试验的露点曲线与层结曲线更为接近,水汽条件饱和程度更高。计算出的对照试验初始时刻的抬升凝结高度约为979 hPa,CLD试验的抬升凝结高度约为985 hPa,因而在相同条件下CLD试验中粤西南地区上空的气块将先于对照试验达到抬升凝结高度发生凝结而释放潜热,潜热加热对垂直方向浮力的正贡献,将使气块更快到达自由对流高度。

图 6 t时刻区域平均的温度对数压力图 (a.对照试验,b. CLD试验)
(紫色曲线代表露点温度曲线,淡蓝色曲线代表状态曲线,黑色曲线代表层结曲线)
Figure 6 Regionally averaged T-lnp diagram at the initial time (a. CTRL experiment, b. CLD experiment)
(The purple curve indicates dew point, the light blue curve indicates state curve and the black curve indicates stratification curve)

计算的参数和物理量表明,CLD试验初始时刻区域平均的K指数相比于对照试验由37℃增长到40℃,大气平均可降水量(PW)由5.08 cm增长至5.78 cm,抬升指数由-3℃升高至-4℃,对流有效位能由1059 J/kg增大到1289 J/kg,而对流抑制能量则由3 J/kg降为0。这些参数和物理量的变化都表明,初始时刻水汽的增多,不仅提供了降水的物质来源,同时也增大了大气的不稳定性,使得大气条件更有利于对流发生。值得提及的是,云分析过程仅对与云水物质和水汽量相关的变量进行调整,其他变量仍保持不变,如温度对数压力图右侧显示的风的垂直分布,两者完全一致。从中可以看到,模式积分初始时刻低层的平均风向随高度升高顺转,低层吹东南风,向上逐渐顺时针转为偏南、西南风。尽管无低空急流影响,低层风随高度顺转对应的暖平流过程应该对暴雨区对流的发生有作用。

林良勋等(2006)指出,华南大部分暴雨过程中的对流活动都相当强烈,对流不稳定区域的存在对降水预报具有指示意义。图 7给出了相关不稳定参量的水平分布,对于对照试验来说(图 7a-d),粤西沿海地区的对流有效位能为500-1000 J/kg,局部为1000-1500 J/kg,有轻度不稳定,但海岸线附近上空的对流抑制能量也比较大,最大可达到30 J/kg。从K指数分布看,粤西地区初始时刻的不稳定指数值在38-42℃范围内,相比周围为高不稳定中心,配合-3--4℃的抬升指数,已显示出有对流性强天气发生的可能。

图 7 t时刻对照试验(a-d)和CLD试验(e-h)的各物理量 (a、e. CAPE,单位:J/kg; b、f. CIN,单位:J/kg; c、g. K指数,单位:℃;d、h.抬升指数,单位:℃) Figure 7 Initial (a, e) CAPE (unit: J/kg), (b, f) CIN (unit: J/kg), (c, g) K index (unit:℃) and (d, h) LI index (unit:℃) of the CTRL experiment (a-d) and the CLD experiment (e-h)

与之相比,CLD试验初始时刻这些参量之间的配合指示出强天气发生的可能性更大(图 7e-h)。由于经过云分析后中低层的水汽明显增多(参见图 56),大气更加接近饱和,粤西上空的对流有效位能最大值增大到2000 J/kg,达中度不稳定。尤其是在其上游的离岸近海一带,对流有效位能的增大更为明显,其最大值已超过2500 J/kg,而且粤西上空的对流抑制能量是减小的(大多都小于10 J/kg),平流过程可为暴雨区输送更多的不稳定能量将有助于对流的发展维持。K指数在粤西地区的增大表现更为明显,图 7h反映出,与粤西内陆一侧和沿海的回波区(参见图 3a)对应,经云分析后的不稳定程度更高,K指数超过了42℃。这些均表明,CLD试验初始时刻在粤西南地区上空积累大气不稳定能量程度更高,配合适当的抬升条件,对流触发后将发展更强。对比抬升指数(图 7dh),尽管CLD试验初始时刻在粤西沿海附近的抬升指数有所增大,但差别不十分明显。

以上针对两个试验初始时刻湿度条件差异及其导致大气不稳定性变化对于暴雨可预报性影响的分析,可以反映出正是经过云分析后初始水汽和云水物质的增加,引起环境大气不稳定性程度的增大,使对流能够更快被激发并维持发展,从而使CLD试验可模拟出与实况更加接近的降水过程。以下对两个试验对于暖区暴雨对流触发和维持发展的影响作进一步的对比分析。

4.3 模式反映的对流触发和维持机制 4.3.1 对流触发和初始发展阶段

强对流发生需要3个条件:充足的水汽供应、大气不稳定条件以及抬升条件。抬升条件,一方面可以增加垂直方向的水汽输送,提供降水所需的水汽来源,另一方面,作为对流的触发条件对对流的启动发展尤为关键。模式初始时刻能否对此有更好的描述,将严重影响进一步的模拟结果。从前面的分析可了解到,由ECMWF提供的背景场在粤西地区已经具备一定的水汽条件和大气层结不稳定条件,高空槽前和低层的辐合亦能够提供抬升条件,但对照试验对初始阶段暖区对流的触发预报仍然是失败的。这表明由ECMWF直接提供的背景场不足以使模式快速激发出对流。CLD试验之所以模拟更为成功,除了云分析过程给出的初始场云水物质信息之外,与由此而增大了的环境场湿度条件和不稳定条件也有关系,这将使模式开始积分后更接近于饱和的大气能迅速发生凝结释放潜热加热大气,导致浮力增强从而使对流更容易被触发和持续发展。

图 8给出的是两个试验在模式积分t+1时刻的垂直速度场,相对于对照试验,CLD试验的上升运动更强,粤西地区(22.5°N,112°E)和(22.5°N,113.5°E)两处附近有上升运动大值区,最大值超过1.2 m/s,上升气流区域恰好与粤西地区的两处强降水区域对应。可以推测正是这种增强的上升运动使得模式初始时刻累积的不稳定能量得以进一步释放,降水得以持续发生,与模式从开始积分时刻就能促使凝结过程发生、并释放潜热加热大气有很大关系。此外,图中还显示出大气上升或下沉运动区的经向范围都比较小,表现出明显的中小尺度特征,另外,也反映出CLD试验更有能力描述大气局地对流的特征,这是短时临近预报的难点和关键所在(Olson, et al,1995)。

图 8 t+1时刻对照试验(a)和CLD试验(b)沿22.5°N剖面的垂直速度(单位:m/s) (实线和阴影区代表上升运动,虚线代表下沉运动) Figure 8 Vertical cross sections of vertical velocity (unit: m/s) along 22.5°N at the time of t+1 for (a) the CTRL experiment and (b) the CLD experiment (the solid lines and the shaded areas depict ascending motion and the dashed lines depict descending motion)

在这样的有利条件下,CLD试验在模式初始积分阶段也给出了比较理想的降水和雷达回波预报,图 9给出了两个试验在t+1时模拟的雷达回波和积分3 h后累积的降水量。从回波看(图 9a-c),对照试验对粤西地区的两条主要回波带几乎无反映,这很显然无法满足短时临近预报、预警的要求。与之对比的是,CLD试验在积分的第1小时就模拟出了明显的降水回波,且不管是回波的位置还是强度都与实况非常接近,强度超过45 dBz。从模式积分3 h后累积降水的对比(图 9d-f)也可得到类似结论:也即对照试验对粤西沿海和内陆的两条暴雨雨带均出现了漏报,而CLD试验很好地给出了这一阶段暴雨的预报,预报降水发生的位置和量级都与实况接近,累积的雨量已超过50 mm,尽管暴雨具体落区和范围预报仍略有偏差。对照试验对于初始阶段降水漏报的原因在于:初始时刻模式无三维云信息,云水、雨水等都为0,数值模式为“冷”的状态。一般来说,模式要想形成与实况相匹配的云信息,需要克服模式的“起转”问题,这通常需要积分数小时才能完成。模式在初始时刻的“冷”状态无疑会延长完成“起转”的时间。与之不同,CLD试验通过云分析在模式初始时刻具备了三维云信息,使模式具有“热”的状态,而且其对初始水汽和不稳定度条件的改进,将大幅度缩短模式“起转”时间,使模式云的空间分布与实况接近,这对于模式的短时临近预报、对于对流的触发和进一步发展的准确预报至关重要。

图 9 16日01时3 km高度的雷达回波(a-c,单位:dBz)以及00-03时的累积降水(d-f,单位:mm) (a、d.实况,b、e.对照试验,c、f. CLD试验) Figure 9 Radar reflectivities (a-c, unit: dBz) at 01:00 UTC and accumulated precipitation (d-f, unit: mm) during 00:00-03:00 UTC 16 May 2015 (a, d. observation, b, e. the CTRL experiment, c, f. the CLD experiment)

这一结果表明,由于暖区暴雨的对流触发对初始时刻水汽条件高度敏感(后面的敏感性试验可以证实这一点),通过云分析过程为模式提供初始时刻的水物质信息并改进模式的湿度场,应是今后暖区暴雨业务模式预报发展值得关注的问题。

4.3.2 对流维持发展

初始云分析可以加速对流的发展过程,使模式快速形成降水。这一过程是否对对流维持和发展也起作用呢?图 10给出了与图 1b相对应的阳江、阳春两个自动气象站所在位置处模式的预报情况,两个试验对两个站降水的预报均存在偏弱的情况,但CLD试验预报的逐时降水强度变化趋势与实况基本一致。与降水的预报对应,降水强的时刻700 hPa垂直速度也处于极大值,且CLD试验的垂直速度大于对照试验。也就是说,CLD试验初始湿度条件的改进,使模式积分过程中垂直上升发展变得更为有利,且这种影响可以持续数小时,直至06时后差异逐渐减小。

图 10 16日00-12时模式预报的阳春站(a)和阳江站(b)的逐时降水(直方图)以及700 hPa垂直速度(线)的时间演变 (灰色直方图代表对照试验,黑色边框直方图代表CLD试验;实线表示CLD试验,虚线表示对照试验) Figure 10 Evolutions of model predicted 00:00-12:00 UTC hourly precipitation and vertical velocity at Yangchun (a) station and Yangjiang (b) station (the shaded grey bars indicate CTRL precipitation forecasts, the black framed bars indicate CLD precipitation forecasts; the solid line indicates CLD vertical velocity, the dash line indicates CTRL vertical velocity)

仔细分析暴雨过程对流的触发和对流的维持发展过程,发现两者不完全相同。对流的触发除了与低层辐合有关之外,与上面提到的由于模式开始积分后更接近于饱和的大气能迅速发生凝结释放潜热加热大气,导致浮力增强从而使对流更容易被触发和持续也有很大关系。而在对流的维持发展阶段,由于降水降落地面过程中蒸发冷却而引起的地面弱冷池的发展,其出流气流对于新的对流系统的触发影响可能有更大作用。从图 11不难发现,此个例由降水形成的冷池并不很强,然而也正是这种强度比较弱的冷池使得对流发生的位置不会出现很大的变化,而只是对一个较小的区域范围持续发生影响,为暴雨的形成提供了降水所需的持续时间。从选取的t+4时刻的情况看,对照试验在粤西沿海实际降水发生地区由于前期并无明显降水发生(图 9e)而未有冷池形成,此时沿海地区降水的形成主要由其偏北一侧来自粤西内陆降水形成的冷池的出流气流或向南侵入的冷空气与沿海一带偏南气流的辐合造成(图 11a)。相对于CLD试验模拟的≥40 mm/h降水中心来说,其降水中心强度明显偏弱(~20 mm/h),这与CLD试验从积分开始阶段就能形成较强的降水(图 9f)而造成粤西沿海地区有弱冷池形成有关系,由于冷池与周边存在温度梯度而产生的出流气流增强了冷池南北两侧的辐合,引起对流的持续发展。辐合位置与下一个时次降水发生的位置基本一致可以证实这一点(图 11b)。t+8时刻,对照试验在沿海一带也有冷池形成,但范围很小,更多的是表现为北侧冷空气向南侵入的影响,模拟的降水发生位置与实际降水位置比较有不少偏差,强降水中心更加偏向东南一侧(图 9a图 11c)。CLD试验则在稳定位置上维持有冷池的发展,此时其东西两侧向外流出而在冷池边缘形成的辐合,维持着对流的发展,其结果下一时刻降水落区主要位于冷池东西两侧。图 11至少揭示出两方面的信息:(1)由于CLD试验较好地模拟出了前期降水的发生,因而能更好地刻画出地面冷池的形成;(2)冷池向外流出形成新的辐合使下一时次的降水得以维持。这显然对于模式能否正确地模拟出整个降水过程的发生尤为关键。值得一提的是,对照试验在t+4、t+8都反映出粤西沿海降水的发生与北侧冷空气的渗透南下影响有更直接的关系,而CLD试验则更多地反映出降水的形成主要是由冷池向外流出触发对流持续发生而导致,这在t+8时刻的温度场上尤为明显(图 11d)。从这一点来看,对照试验模拟的降水并非暖区降水,而是由冷空气主导的传统类型的降水,而CLD试验模拟的降水则更能体现出其发生于暖区的特征,比如降水没有冷空气的直接参与、降水强度更强、局地特征更明显等(林良勋等,2006)。

图 11 2 m气温(填色)、10 m风(矢量)以及1 h累积降水 (黑色实线代表当前时次,棕色虚线代表当前时次到下一个时次;单位:mm)
(a. t+4对照模拟,b. t+4 CLD模拟,c. t+8对照模拟,d. t+8 CLD模拟)
Figure 11 2 m air temperature (shaded), 10 m wind (vectors) and 1-h accumulated precipitation (where the black lines indicate precipitation occurred at the same time with 2 m temperature and 10 m wind and the brown dashed lines indicate the next hour 1-h accumulated precipitation; unit: mm)
(a. CTRL simulation at t+4, b. CLD simulation at t+4, c. CTRL simulation at t+8, d. CLD simulation at t+8)
4.4 敏感性试验分析

对比试验结果分析认为,CLD试验对此次暖区暴雨个例模拟更为成功,除与云分析提供三维云信息,使模式具有“热”的状态有关之外,与由此改进的模式初始湿度条件和稳定度条件也有很大关系。为理解模式湿度场改进的影响和暖区暴雨形成的机制,有必要开展进一步的敏感性试验。为此设计了如下的两个敏感性试验。敏感性试验1(CLD-deQV):将CLD试验初始时刻的水汽qv增量减至原来的70%;敏感性试验2(CLD-noLH):将CLD试验中云微物理过程产生的潜热变化置为0。通过与原CLD试验结果的比较,对相关问题进行讨论。

4.4.1 模拟结果对初始湿度的敏感性

图 12给出了敏感试验CLD-deQV与CLD试验的对比。选取模式积分t+1、t+4、t+8几个时次的温度和垂直速度场进行分析可以看到(图 12ab),水汽增量减少后,区域平均温度差、垂直运动的垂直廓线也发生了相应的变化。首先,t+1时刻300 hPa高度以下CLD-deQV试验模拟的大气温度明显低于CLD试验,相应时刻的垂直速度也减弱,这与前面的结果分析是一致的,即水汽减少后,凝结释放的潜热量减少,使得垂直速度也减小。至t+4时刻,两者的温度差异减小,甚至在900 hPa以下高度CLD试验的温度低于CLD-deQV试验,可能的原因是,随着模式的积分,CLD试验在初始时刻蕴藏的潜能在前3 h快速释放,且降水引起的蒸发冷却在大气低层形成浅薄的冷池。t+8时刻,500 hPa高度以下CLD试验的温度均低于CLD-deQV试验,而500-200 hPa则高于CLD-deQV试验,这可能与CLD-deQV试验对对流的模拟存在滞后(模式在较晚时刻才模拟出粤西沿海的强降水,图略)有关系。关于减少水汽引起对流滞后发展的可能性,孙建华等(2014)针对飑线个例进行数值模拟的结果也有类似的结论。从垂直速度的模拟结果来看,t+4时刻两者的差异在700-500 hPa最为显著,而至t+8时刻则在500-200 hPa最为显著(图 12b),某种程度上也证实了以上的推论。

图 12 CLD-deQV与CLD试验结果在t+1(黒色)、t+4(红色)、t+8(绿色)时刻的对比 (a.区域平均温度差(CLD减CLD-deQV),单位:℃;b.区域平均垂直速度,单位:m/s;c. CLD-deQV试验模拟的3 h(00:00-03:00UTC)累积降水;d. 12 h(00:00-12:00UTC)累积降水,单位:mm) Figure 12 Comparison between results from experiments CLD and CLD-deQV at t+1 (black lines), t+4 (red lines), t+8 (green lines) (a. regionally averaged temperature difference (CLD minus CLD-deQV), unit: ℃; b. regionally averaged vertical velocity, unit: m/s; c. 3 h (00:00-03:00UTC) accumulated precipitation (unit: mm) from CLD-deQV; d. 12 h (00:00-12:00UTC) accumulated precipitation (unit: mm) from CLD-deQV)

在这样的差异性条件下,CLD-deQV试验模拟的前3 h累积降水对粤西沿海的强降水出现预报偏弱现象,最大雨强仅20 mm/h(图 12c),而实况超过70 mm/h。但是从12 h累积降水的模拟来看,粤西沿海的强降水仍能够被部分预报出来,最大累积雨量与实况也比较一致,超过240 mm(图 12d),这也说明,减少初始水汽含量影响了降水模拟的准确性,且CLD-deQV试验对强降水的预报存在滞后,粤西沿海的暴雨到t+4时刻才开始出现。

4.4.2 潜热反馈的影响

为了更好地讨论降水发生初始阶段由于潜热加热而增强上升运动对对流的触发影响,设计CLD-noLH试验仅在模式积分最初1 h内的每一时间积分步潜热增量置为0。但实际上由于要将云分析得到的云水物质更好地初始化到模式中,本试验设计采用了10个积分步(积分步长30 s)完成同化逼近,也就是说实际上关闭潜热增量影响是在模式积分10步后才开始,积分1 h后重新打开潜热增量的影响。

图 13给出了敏感试验CLD-noLH与CLD试验的对比。区域平均的温度垂直廓线和垂直速度的模拟结果基本上与减少水汽的CLD-deQV试验保持一致,即t+1时刻200 hPa高度以下CLD-noLH试验模拟的大气温度明显低于CLD试验,相应时刻的垂直速度也减弱。至t+4时刻,两者的温度差异减小,但CLD-noLH模拟的温度仍低于CLD试验。t+8时刻,500 hPa高度以下CLD的温度低于CLD-noLH试验,而500-200 hPa则高于CLD-noLH试验(图 13ab)。减少水汽的CLD-deQV试验与关闭潜热的CLD-noLH试验表现出类似的模拟结果,这说明初始水汽通过潜热的变化影响了模式对暖区暴雨的模拟。

图 13图 12,但为CLD-noLH试验与CLD试验模拟结果的对比 Figure 13 Same as Fig. 12 but for comparison between the CLD-noLH and the CLD simulations

图 13cd给出的是CLD-noLH试验模拟的3、12 h累积降水,整体的降水特点与CLD-deQV试验也类似,即3 h累积降水偏弱、漏报,而12 h累积降水则基本能够预报出阳江的大暴雨。差异仅在于CLD-noLH试验模拟的降水更弱,强降水范围更小。

图 13还揭示出CLD试验增加的凝结潜热对垂直上升运动的增幅作用不仅局限于模式积分的前1 h。如在t+4时刻,两个试验平均上升运动在对流层的中层也有较大的差值存在,这反映出模式关于对流发展初始阶段的准确模拟对于对流最终发展结果的预报将是关键的。

5 讨论与小结

华南前汛期发生的暖区暴雨具有局地性强、范围小、强度大的特点。暖区暴雨发生时通常不受冷空气直接影响,天气系统不明显,因而可预报性低,是大气科学界的研究热点和难点。本研究基于覆盖华南区域的GRAPES_Meso 3 km模式,选取2015年5月16日发生在粤西沿海地区的一次暖区暴雨个例进行数值试验,研究初始湿度条件差异对暖区暴雨对流触发、发展和维持可预报性的影响。

对比有(CLD)无(CTRL)初始云分析的试验结果表明,云分析技术使数值模式有能力模拟出与实况更加接近的逐时降水及雷达回波。分析发现,CLD试验通过增加初始时刻的水汽和云中水物质含量,可增大大气的不稳定性,使对流有效位能增加、K指数增大、抬升指数增大,而对流抑制能量减小,从而使对流能够被快速激发。从物理机制上理解,认为CLD试验之所以能更好地模拟出暴雨的发生过程,与初始时刻大气湿度增大、空气更接近饱和以及大气的不稳定性增强有很大关系。更接近于饱和的大气能迅速发生凝结释放潜热加热大气,导致浮力增强从而使对流更容易被触发和持续发展。而暴雨过程中对流的维持机制与对流的触发机制不完全相同。在对流维持发展阶段,降水降落地面过程中由于蒸发冷却而引起的地面弱冷池的发展及其出流气流对新对流的触发有很大影响,这一过程可直接影响到降水的持续和暴雨的形成。

两组敏感性试验CLD-deQV(减少初始水汽增量)和CLD-noLH(关闭潜热加热作用)的结果分析表明:(1)初始水汽增量减少,模式积分后辐合上升运动减弱,激发的对流强度也减弱,且暴雨减弱消散的速度变慢、滞后;(2)模式积分第1小时内关闭潜热加热作用,模拟的对流初始发展过程减弱,恢复潜热反馈后,尽管模拟结果还能预报出暴雨的形成,但强度也减弱,与初始对流减弱的影响有关。

研究个例的选取及模拟试验开始积分时间的选取可能会影响到结论的代表性。但从本研究结果可以看到,数值模式初始水汽和云中水物质条件的改进很大程度上能提高华南暖区暴雨的可预报性。发展结合云分析过程并实现快速循环同化的模式预报系统应该是今后暖区暴雨模式预报技术发展值得努力的一个方向。

致谢: 感谢广东省气象台林良勋总工程师和区域数值预报重点实验室冯业荣研究员为本项研究工作提供的建议和帮助。
参考文献
包澄澜, 王两铭, 李真光. 1979. 华南前汛期暴雨的研究. 气象, 5(10): 8–10. Bao C L, Wang L M, Li Z G. 1979. Study of the presummer rainfall in South China. Meteor Mon, 5(10): 8–10. DOI:10.7519/j.issn.1000-0526.1979.10.003 (in Chinese)
曹亚平, 林中庆, 祁秀香, 等. 2011. 广州南沙区一次暖区暴雨过程分析. 广东气象, 33(5): 13–16. Cao Y P, Lin Z Q, Qi X X, et al. 2011. A case analysis on warm-sector torrential rain in Nansha Guangzhou. Guangdong Meteor, 33(5): 13–16. (in Chinese)
陈德辉, 薛纪善, 沈学顺, 等. 2012. 我国自主研制的全球/区域一体化数值天气预报系统GRAPES的应用与展望. 中国工程科学, 14(9): 46–54. Chen D H, Xue J S, Shen X S, et al. 2012. Application and prospect of a new generation of numerical weather prediction system (GRAPES). Eng Sci, 14(9): 46–54. (in Chinese)
陈艳真, 刘爱鸣, 邓以勤, 等. 2016. 2016年4月23日福建省暖区暴雨过程成因分析. 气象研究与应用, 37(3): 79–83. Chen Y Z, Liu A M, Deng Y Q, et al. 2016. Analysis of a warm zone heavy rainfall in Fujian on April 23th 2016. J Meteor Res Appl, 37(3): 79–83. (in Chinese)
陈杨瑞雪. 2015. 一次梅雨期暴雨过程中尺度可预报性和对流初生机制的集合模拟研究[D]. 北京: 中国气象科学研究院. Chen Y R X. 2015. Investigation of the mesoscale predictability and the convective initiation of an extreme rainfall along a Mei-yu front: an ensemble approach[D]. Beijing: Chinese Academy of Meteorological Sciences (in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-85101-1015305963.htm
陈子通, 万齐林, 沈学顺, 等. 2010. GRAPES区域模式水汽平流方案的比较与改进. 热带气象学报, 26(1): 1–6. Chen Z T, Wan Q L, Shen X S, et al. 2010. Comparisons and improvement of water vapor advection schemes of GRAPES regional model. J Trop Meteor, 26(1): 1–6. (in Chinese)
邓玉梅. 2000. 从珠海、深圳"4.14"特大暴雨洪灾看我国沿海城市防洪存在的问题及对策. 中国减灾, 10(3): 34–37. Deng Y M. 2000. Problems and the corresponding strategies of the flood control in Chinese coastal cities seen from Zhuhai and Shenzhen "4.14" torrential rain. Disaster Reduct China, 10(3): 34–37. (in Chinese)
董春卿, 苗爱梅, 王扬, 等. 2015. 卫星资料在山西暴雨数值预报中的初步应用. 中国农学通报, 31(17): 202–208. Dong C Q, Miao A M, Wang Y, et al. 2015. Preliminary application of satellite data in numerical prediction of torrential rain in Shanxi. Chinese Agric Sci Bull, 31(17): 202–208. (in Chinese)
郭圳勉, 黄先伦, 麦宗天, 等. 2016. 阳江市暖区暴雨的天气学分型. 广东气象, 38(1): 13–18. Guo Z M, Huang X L, Mai Z T, et al. 2016. Classification of Synoptic Patterns for warm-sector rainstorms in Yangjiang city. Guangdong Meteor, 38(1): 13–18. (in Chinese)
何立富, 陈涛, 孔期. 2016. 华南暖区暴雨研究进展. 应用气象学报, 27(5): 559–569. He L F, Chen T, Kong Q. 2016. A review of studies on prefrontal torrential rain in South China. J Appl Meteor Sci, 27(5): 559–569. DOI:10.11898/1001-7313.20160505 (in Chinese)
黄丽萍, 陈德辉, 邓莲堂, 等. 2017. GRAPES_Meso V4.0主要技术改进和预报效果检验. 应用气象学报, 28(1): 25–37. Huang L P, Chen D H, Deng L T, et al. 2017. Main technical improvements of GRAPES Meso V4.0 and verification. J Appl Meteor Sci, 28(1): 25–37. DOI:10.11898/1001-7313.20170103 (in Chinese)
黄士松. 1986. 华南前汛期暴雨. 广州: 广东科技出版社: 58pp. Huang S S. 1986. The Presummer Heavy Rainfall in South China. Guangzhou: Guangdong Science and Technology Press: 58pp.
李佳, 陈葆德, 黄伟, 张旭. 2017. 对流尺度数值预报中的云物理初始化方法改进及个例试验. 气象学报, 75(5): 771–783. Li Jia, Chen Baode, Huang Wei, Zhuang Xu. 2017. Cloud physics initialization for convection-scale NWP:Scheme improvements and a case study. Acta Meteor Sinica, 75(5): 771–783. (in Chinese)
林良勋, 冯业荣, 黄忠, 等. 2006. 广东省天气预报技术手册. 北京: 气象出版社: 143-152. Lin L X, Feng Y R, Huang Z. 2006. Technical Guidance on Weather Forecating in Guangdong Province. Beijing: China Meteorological Press: 143-152.
卢萍, 宇如聪, 周天军. 2009. 四川盆地西部暴雨对初始水汽条件敏感性的模拟研究. 大气科学, 33(2): 241–250. Lu P, Yu R C, Zhou T J. 2009. Numerical simulation on the sensitivity of heavy rainfall over the western Sichuan basin to initial water vapor condition. Chinese J Atmos Sci, 33(2): 241–250. (in Chinese)
倪允琪, 周秀骥, 张人禾, 等. 2006. 我国南方暴雨的试验与研究. 应用气象学报, 17(6): 690–704. Ni Y Q, Zhou X J, Zhang R H, et al. 2006. Experiments and studies for heavy rainfall in Southern China. J Appl Meteor Sci, 17(6): 690–704. DOI:10.11898/1001-7313.20060607 (in Chinese)
倪允琪, 张人禾, 刘黎平, 等. 2013. 中国南方暴雨野外科学试验(SCHeREX). 北京: 气象出版社: 283pp. Ni Y Q, Zhang R H, Liu L P, et al. 2013. South China Heavy Rainfall Field Experiment. Beijing: China Meteorological Press: 283pp.
屈右铭, 陆维松, 蔡荣辉, 等. 2010. GRAPES-Meso云分析系统的设计与试验. 气象, 36(10): 37–45. Qu Y M, Lu W S, Cai R H, et al. 2010. Design and experiment of GRAPES-Meso cloud analysis system. Meteor Mon, 36(10): 37–45. DOI:10.7519/j.issn.1000-0526.2010.10.006 (in Chinese)
孙建华, 郑淋淋, 赵思雄. 2014. 水汽含量对飑线组织结构和强度影响的数值试验. 大气科学, 38(4): 742–755. Sun J H, Zheng L L, Zhao S W. 2014. Impact of moisture on the organizational mode and intensity of squall lines determined through numerical experiments. Chinese J Atmos Sci, 38(4): 742–755. DOI:10.3878/j.issn.1006-9895.2013.13187 (in Chinese)
王淑莉, 康红文, 谷湘潜, 等. 2015. 北京7·21暴雨暖区中尺度对流系统的数值模拟. 气象, 41(5): 544–553. Wang S L, Kang H W, Gu X Q, et al. 2015. Numerical simulation of mesoscale convective system in the warm sector of Beijing "7.21"severe rainstorm. Meteor Mon, 41(5): 544–553. DOI:10.7519/j.issn.1000-0526.2015.05.003 (in Chinese)
文丹青, 黄波, 刘峰. 2011. 一次华南前汛期锋前暖区暴雨的分析. 广东气象, 33(2): 9–11, 15. Wen D Q, Huang B, Liu F. 2011. Analysis of a torrential rain in warm sector during first flood season of South China. Guangdong Meteor, 33(2): 9–11, 15. (in Chinese)
许晨璐, 王建捷, 黄丽萍. 2017. 千米尺度分辨率下GRAPES-Meso4.0模式定量降水预报性能评估. 气象学报, 75(6): 851–876. Xu Chenlu, Wang Jianjie, Huang Liping. 2017. Evaluation on QPF of GRAPES-Meso4.0 model at convection-permitting resolution. Acta Meteor Sinica, 75(6): 851–876. (in Chinese)
徐道生, 张艳霞, 陈子通, 等. 2016. 不同水汽分析场对一次华南前汛期暴雨预报的影响分析. 热带气象学报, 32(2): 155–162. Xu D S, Zhang Y X, Chen Z T, et al. 2016. Influence of different moisture analysis field to the forecast of precipitation during the pre-flood season in south China. J Trop Meteor, 32(2): 155–162. (in Chinese)
薛纪善. 1999. 1994年华南夏季特大暴雨研究. 北京: 气象出版社: 185pp. Xue J S. 1999. Study of Heavy Rainfall in the Summer of South China in 1994. Beijing: China Meteorological Press: 185pp.
薛纪善, 陈德辉. 2008. 数值预报系统GRAPES的科学设计与应用. 北京: 科学出版社: 1. Xue J S, Chen D H. 2008. The Scientific Design and Application of GRAPES Numerical Prediction System. Beijing: Science Press: 1.
闫敬华, 郑彬, 苏百兴, 等. 2004. 华南暖区暴雨的一种重力波触发机制. 气象学报, 62(12): 623–930. Yan J H, Zheng B, Su B X, et al. 2004. A gravity wave triggering mechanism for heavy rains in the warm sector in Southern China. Acta Meteor Sin, 62(12): 623–930. (in Chinese)
张诚忠, 万齐林, 黄燕燕, 等. 2008. 华南暖区降水数值预报的初值同化试验. 热带气象学报, 24(6): 576–589. Zhang C Z, Wan Q L, Huang Y Y, et al. 2008. Numerical experiments on the impact of initial conditions upon precipitation in warm region over south of China. J Trop Meteor, 24(6): 576–589. (in Chinese)
赵欢, 张人禾, 温敏. 2015. 2013年5月华南强降水与中国南海夏季风爆发. 气象学报, 73(3): 442–458. Zhao Huan, Zhang Renhe, Wen Min. 2015. Severe rainfalls in South China during May 2013 and its relation to the onset of the South China Sea summer monsoon. Acta Meteor Sinica, 73(3): 442–458. DOI:10.11676/qxxb2015.028 (in Chinese)
钟雄炎, 张东, 管勇. 2017. 2015年5月16-17日粤西南沿海暴雨过程分析. 广东气象, 39(1): 14–18. Zhong X Y, Zhang D, Guan Y. 2017. Analysis of a heavy rain process in the coastal area of Southwestern Guangdong May 16-17, 2015. Guangdong Meteor, 39(1): 14–18. (in Chinese)
周秀骥. 2000. 海峡两岸及邻近地区暴雨试验研究. 北京: 气象出版社: 370pp. Zhou X J. 2000. Study of Experiment of Heavy Rainfall Across the Taiwan Strait and Its Neighbors. Beijing: China Meteorological Press: 370pp.
周秀骥, 薛纪善, 陶祖钰, 等. 2003. '98华南暴雨科学试验研究. 北京: 气象出版社: 218pp. Zhou X J, Xue J S, Tao Z Y, et al. 2003. Study of Experiment of Heavy Rainfall in South China in 1998. Beijing: China Meteorological Press: 218pp.
朱立娟, 龚建东, 黄丽萍, 等. 2017. GRAPES三维云初始场形成及在短临预报中的应用. 应用气象学报, 28(1): 38–51. Zhu L J, Gong J D, Huang L P, et al. 2017. Three-dimensional cloud initial field created and applied to GRAPES numerical weather prediction nowcasting. J Appl Meteor Sci, 28(1): 38–51. DOI:10.11898/1001-7313.20170104 (in Chinese)
Hu M, Xue M, Brewster K. 2006. 3DVAR and cloud analysis with WSR-88D Level-Ⅱ data for the prediction of the Fort Worth, Texas, tornadic thunderstorms. Part Ⅰ:Cloud analysis and its impact. Mon Wea Rev, 134(2): 675–698. DOI:10.1175/MWR3092.1
Luo Y L, Zhang R H, Wan Q L, et al. 2017. The Southern China monsoon rainfall experiment (SCMREX). Bull Amer Meteor Soc, 98(5): 999–1013. DOI:10.1175/BAMS-D-15-00235.1
Madaus L E, Hakim G J. 2016. Observable surface anomalies preceding simulated isolated convective initiation. Mon Wea Rev, 144(6): 2265–2284. DOI:10.1175/MWR-D-15-0332.1
Melhauser C, Zhang F Q. 2012. Practical and intrinsic predictability of severe and convective weather at the mesoscales. J Atmos Sci, 69(11): 3350–3371. DOI:10.1175/JAS-D-11-0315.1
Olson D A, Junker N W, Korty B. 1995. Evaluation of 33 years of quantitative precipitation forecasting at the NMC. Wea Forecasting, 10(3): 498–511. DOI:10.1175/1520-0434(1995)010<0498:EOYOQP>2.0.CO;2
Wu D C, Meng Z Y, Yan D C. 2013. The predictability of a squall line in South China on 23 April 2007. Adv Atmos Sci, 30(2): 485–502. DOI:10.1007/s00376-012-2076-x
Xue M, Droegemeier K K, Wong V. 2000. The advanced regional prediction system (ARPS):A multi-scale nonhydrostatic atmospheric simulation and prediction model. Part Ⅰ:Model dynamics and verification. Meteor Atmos Phys, 75(3-4): 161–193. DOI:10.1007/s007030070003
Zhang R H, Ni Y Q, Liu L P, et al. 2011. South China heavy rainfall experiments (SCHeREX). J Meteor Soc Japan, 89(S): 153–166.
Zhang X B, Luo Y L, Wan Q L, et al. 2016. Impact of assimilating wind profiling radar observations on convection-permitting quantitative precipitation forecasts during SCMREX. Wea Forecasting, 31(4): 1271–1292. DOI:10.1175/WAF-D-15-0156.1