中国气象学会主办。
文章信息
- 陈明轩, 王迎春, 肖现, 高峰. 2013.
- CHEN Mingxuan, WANG Yingchun, XIAO Xian, GAO Feng. 2013.
- 北京“7.21”暴雨雨团的发生和传播机理
- Initiation and propagation mechanism for the Beijing extreme heavy rainstorm clusters on 21 July 2012
- 气象学报, 71(4): 569-592
- Acta Meteorologica Sinica, 71(4): 569-592.
- http://dx.doi.org/10.11676/qxxb2013.053
-
文章历史
- 收稿日期:2012-12-24
- 改回日期:2013-03-18
2. 北京市气象局, 北京, 100089
2. Beijing Meteorological servzce, Beijing 100089, China
2012年7月21—22日,北京地区及其西南的河北省部分地区出现历史罕见的由中尺度对流系统(MCS)产生的特大暴雨,造成重大灾害损失。多位学者(谌芸等,2012;孙军等,2012;方翀等,2012;俞小鼎,2012)已经通过多种观测资料和天气尺度业务模式预报结果分析讨论了此次北京“7.21”特大暴雨的主要特点和形成机制。此次暴雨主要由冷锋前暖区降水组成,属于典型的低质心对流性降水,在主要的强降水时段,强对流回波的质心均在3 km以下,强雷达回波顶高一般在0℃层以下。天气尺度分析表明,低涡切变线及地形共同作用,可能是触发此次强降水的MCS在暖区生成、发展的主要机制,并使得MCS维持长时间的“列车效应”和后向传播特征,导致在北京地区产生局地强降水。在西来干冷空气“侵入”作用下,对流不稳定进一步加强,累积降水量也相应增大。但是,影响此次强降水MCS的低层中小尺度动力和热动力特征,以及相对应的地形强迫效应如何,还需要通过充分考虑同化雷达观测资料的中小尺度数值模拟来回答。另外,此次强降水MCS的长时间“列车效应”及所谓的“后向传播”的形成机制等问题,也需要进一步阐明。
事实上,在中纬度地区,MCS是暖季强降水的主要贡献者(Doswell et al,1996;Carbone et al,2002;Wang et al,2004),特别是对于准静止的MCS或者具有“列车效应”或后向传播特征的线状和带状MCS来说,所产生的局地短时强降水往往更大,是极端暴洪的主要制造者(Schumacher et al,2005,2006)。研究(Junker et al,1999;Moore et al,2003)表明,在中纬度地区,强的低层风(边界层急流)能够不断将低层的暖湿空气向MCS发生区域推进,在与降水导致的冷空气出流的相互作用下,通过强的低层辐合实现暖湿空气的上升,从而非常有利于对流强降水的发生、维持和增强。极端强降水也与天气尺度锋面及MCS出流边界密切联系,强降水通常发生在低层暖区和湿度辐合区或其附近地区。中尺度观测分析(Houze et al,1990;Parker et al,2000)和云尺度理论数值模拟(Rotunno et al,1988;Weisman et al,1982,1988,2000;Parker et al,2004)也均表明,环境风垂直切变(特别是中低层的风垂直切变)、低层辐合上升、强降水拖曳导致的冷空气出流、大气热力不稳定度是影响MCS等对流风暴系统发展演变的重要动力和热力因子。在北京及其周边地区,合适的低层动力和热动力特征对对流风暴及其产生的强降水同样起到重要作用。观测分析研究(孙继松,2005)指出,北京地区的局地暴雨与边界层急流存在明显正反馈现象,由于局地暴雨改变了对流层中层和近地面层气温的水平分布,从而造成边界层气流加速,反过来,边界层气流的加速又加强了急流前方的风速辐合。而如果急流方向垂直于山坡,将导致迎风坡上的辐合更强,从而造成局地降水强度进一步加大。同化雷达组网观测的云尺度数值模拟研究(陈明轩等,2011,2012a,2012b;王婷婷等,2011)表明,与对流风暴相伴随的低层动力特征(低层风垂直切变)和热动力特征(冷池出流)的相互作用,直接影响到低层不稳定及辐合上升,从而对风暴的发展演变和传播起到关键作用。合适的低层热动力特征配置也是 MCS“列车效应”形成的主要机制(孙继松等,2013)。
地形强迫效应对MCS的发展以及强降水的出现也起到重要作用。理论数值模拟研究(Chu et al,2000)表明,冷空气出流与地形上坡气流相互作用,能够显著促进低层的不稳定和上升,从而有利于对流及降水的维持和不断发展。Park等(2007)研究发现,强的低层暖湿空气在山前的辐合以及连续的地形强迫抬升是引起朝鲜半岛一次历史罕见局地特大暴雨的主要机制。在中国,大量的数值模拟研究(如:高坤等,1994;孙健等,2002;崔春光等,2002)也已经证实,地形作为一种外界强迫源,非常有利于低层暖湿空气的辐合和上升,地形动力作用经常是中国对流性大暴雨的主要触发或维持机制。同样,地形强迫也是影响北京及其周边地区对流风暴及暴雨发生、发展的主要因子之一。盛春岩等(2012)的中尺度数值模拟研究就指出,地形的动力抬升是造成2002年北京门头沟一次对流性大暴雨的主要触发机制。同化雷达资料的云尺度数值模拟(陈双等,2011)也表明,地形强迫对北京地区对流风暴的加强有重要作用:地形斜坡使得风暴冷池出流下山加速并与稳定维持的低层偏南气流形成强辐合区;地形抬升使得偏南暖湿入流强烈上升;地形坡抬高了冷池出流的高度,使得出流与近地面偏南气流构成随高度顺转的低层风垂直切变,低层暖空气之上有冷平流叠加,造成风暴前方的动力和热力不稳定增强。这些均有利于对流风暴的进一步加强。最近,Chen等(2012)从基于雷达组网观测的雷达气候学研究的角度进一步分析证实,在京津冀地区,地形对东南平原地区的低层偏南暖湿气流的辐合抬升作用非常明显,在对流系统每日向下游的传播过程中,地形对午后对流风暴的不断新生和加强起到重要作用。另外,地形差异导致的热力环流和平原地区的低空偏南急流的相互作用也是导致东南平原地区夜间对流频发的主要机制。
本研究采用雷达资料四维变分(4DVar)同化技术和一个三维数值云模式,通过对京津冀地区的5部新一代天气雷达的观测资料(径向速度和反射率因子)进行快速更新循环同化,并融合区域自动站观测和中尺度数值预报结果,着重对影响北京“7.21”特大暴雨过程的低层三维动力和热动力特征进行模拟和分析,从而加深对此次特大暴雨的结构和传播机理的认识。2 强降水特征简述
结合其他学者的观测分析研究(谌芸等,2012;孙军等,2012;方翀等,2012;俞小鼎,2012)和京津冀6部雷达回波拼图来看,此次特大暴雨过程从21日10时(北京时,下同)开始影响北京,22日02时结束,降水持续时间达16 h,其中,在北京西南部房山地区持续了约11 h(11—21时)。图 1展示了典型降水时段的京津冀6部雷达(北京S波段BJRS、天津S波段TJRS、石家庄S波段SJZRS、秦皇岛S波段QHDRS、张北C波段ZBRC和承德C波段CDRC)组合反射率因子拼图,以及基于区域跟踪算法(TREC)的雷达回波移动矢量轨迹(陈明轩等,2007,2010)。由图可以看出,在对流高度组织化之后的最强降水时段,由TREC揭示的“西南—东北”向的雷达回波移动方向与MCS回波主轴方向、太行山地形走向比较一致,降水回波具有明显的“列车效应”和后向传播特征,并且,也初步揭示了其受地形强迫的影响(俞小鼎,2012)。这里,TREC揭示的雷达回波移动方向也与观测资料分析研究得到的风暴平均承载层风向接近(孙军等,2012;方翀等,2012;俞小鼎,2012)。
3 模式配置及资料应用使用的模拟系统以三维数值云模式和雷达资料四维变分同化技术为核心。该系统最初由Sun等(1997,1998)研发,随后经过一系列改进(Sun et al,2001,2008,2010;Chen et al,2007;陈明轩等,2011),已经形成为一个可应用于中尺度天气分析、强对流天气诊断和临近预警的雷达变分分析系统。改进后的系统通过使用三维数值云模式和四维变分同化技术,可实现对多部多普勒天气雷达资料的12—18 min快速更新循环同化分析,并融合局地观测和中尺度数值预报资料,从而得到与对流尺度天气系统生消、发展密切相关的三维动力和热动力特征(Sun et al,2008;陈明轩等,2010,2011,2012a,2012b)。本研究正是利用该系统的这一优势,对影响北京“7.21”特大暴雨过程的低层三维动力和热动力特征进行数值模拟及结果分析。系统的技术细节及其重要改进可参见上述相关文献。
从观测分析研究(谌芸等,2012;孙军等,2012;方翀等,2012;俞小鼎,2012)和北京S波段雷达反射率因子回波的多方向垂直剖面特征可以看出(图 2),此次特大暴雨强对流回波的质心一般在3 km以下,超过40 dBz的强回波顶高也基本在0℃层(接近500 hPa)以下,具有明显的热带型暖区降水系统的低质心特征。因此,低层有利的动力和热动力结构再配合地形强迫,对此次特大暴雨过程的发展和维持必将起到重要作用。对于目前的新一代天气雷达来说,较大范围的径向速度和反射率因子的有效观测数据也主要集中在最低几个仰角上,特别是像“7.21”暴雨这样的低质心降水系统。而本研究所使用的雷达变分分析系统是基于雷达资料四维变分同化技术的模式系统,所以,雷达观测所反映的最有效的资料同化分析效果也主要集中在低层。因此,采用低层配置可以较为可信地模拟出此次特大暴雨过程的低层三维动力和热动力结构特征。另外,Sun等(2010)的测试试验和对比分析也表明,使用该模式系统,如果只关注于低层3 km以下的动力和热动力特征的话,在模式积分时间较短(10—20 min)的前提下,在云模式中使用完整物理参数化方案的全对流层的同化模拟分析结果,与使用简化物理参数化方案的低层配置的同化模拟分析结果相似。因此,为节约计算时间,本研究的模拟采用仅考虑了雨水蒸发和降水冷却的简化物理参数化方案的低层配置。可以相信,这样的简化物理方案对类似于“7.21”暴雨这样的暖区低质心强降水MCS的低层动力和热动力场的模拟是合适的。
本研究的数值模拟范围设定以覆盖此次“7.21”强降水MCS为主。在水平方向,模式网格点数设置为165×165,水平分辨率设置为2 km,因此,模拟范围为330 km × 330 km。模式中心点设定在(39.7368°N,116.1948°E)。在这样的模拟范围内,可同时对京津冀5部新一代多普勒天气雷达(北京S波段BJRS、天津S波段TJRS、石家庄S波段SJZRS、张北C波段ZBRC和承德C波段CDRC)的观测资料进行四维变分同化(雷达站位置及名称如图 1中“╋”所示;模拟范围如图 1a中方框所示)。在垂直方向,模式设置为31层,垂直分辨率为200 m,模式最低层高度为垂直分辨率的一半即100 m,因此,模式层高为6.1 km。而且,设定仅在4 km以下高度对雷达观测资料进行同化,而4 km以上则作为云模式的上部海绵边界层处理,用于消除模式边界层顶的波动反射效应。对上述5部雷达进行同化的资料包括同步组网观测的径向速度和反射率因子,雷达扫描模式为VCP21(6 min左右间隔、9个仰角)。雷达变分分析系统中的雷达资料质量控制是非常重要的环节,包括径向速度退模糊处理和杂波剔除等,详细的资料质量控制方案请参见相关文献(陈明轩等,2012b)。另外,在330 km × 330 km的模式范围内,还使用了京津冀地区超过300个5 min自动站的观测资料,包括温度、湿度、气压和风场,用于中尺度背景场地面分析的计算(详见后文描述)。
为实现雷达资料的有效和快速同化分析,并有效减少模式误差的累积,在模拟试验中,设置雷达变分分析系统以快速更新循环的方式运行,其中,第1个循环为冷启动,随后是热启动。设定每个四维变分同化循环为18 min,包含上述每部雷达在VCP21模式下3组体扫资料的同化,并利用云模式进行6 min短时间积分预报,作为下一次热启动的初猜场(图 3)。对比发现,虽然全部雷达均被6 min同步扫描模式控制,但精确的雷达体扫资料的时间间隔仍有2 s左右的偏差,所以设定同化窗为730 s,以确保每个四维变分同化循环均能够同化每部雷达的3组体扫资料(其中,第一组体扫资料的6 min观测时间未包括在内)。在分析了雷达观测之后,依据雷达资料时间,将模拟冷启动时间设定在2012年7月21日08时29分,并设定运行60个循环,约合18 h,包含了此次强降水MCS在北京地区的整个演变过程。
在雷达变分分析系统的快速更新循环运行中,雷达资料四维变分同化方案的中尺度背景场非常重要。第1步,对于冷启动,首先基于3 h快速更新循环数值预报业务系统(BJ-RUC)结果,在上述雷达变分分析系统330 km × 330 km的模拟范围内,提取15 km间隔的数值模式探空廓线。BJ-RUC模式探空廓线具有较高的可信度(陈敏等,2011)。其次,利用距离权重插值方法和巴恩斯方法(Barnes,1964),将BJ-RUC模式探空廓线插值到雷达变分分析系统的模式格点上得到初猜场。对于热启动,如上所述,用上一循环的6 min预报作为下一循环的初猜场。第2步,在每个循环中,将得到的初猜场与经过巴恩斯方法插值后的每部雷达VAD风廓线结果相融合,得到高空分析场,并将地面自动站观测资料经巴恩斯插值分析后得到地面分析场。第3步,利用垂直最小二乘拟合法和距离权重修正方法对地面和高空分析场进行合成,得到每个循环的中尺度背景场。
雷达变分分析系统利用有限元准牛顿迭代算法进行代价函数最小化迭代(Sun et al,1997)。依据目前设置的测试以及以往的模拟经验(陈明轩等,2012a,2012b),设定迭代50次后终止代价函数最小化过程,代价函数梯度下降效率显著降低,此时输出同化分析结果,并利用云模式进行6 min预报,作为下一循环的初猜场。
这里需要指出,在雷达变分分析系统的数值云模式中,并没有复杂地形的考虑,因此,在本研究包含复杂地形的模拟中,可能会在模式方程中引起一些误差。但是,在四维变分同化窗12 min和预报窗6 min的短时间模式向前积分及四维变分伴随模式反向积分中,这种误差积累是不明显的。雷达变分分析系统基于四维变分技术对雷达资料进行同化,每个雷达在地面以上的每个6 min体扫资料均被用来计算代价函数,其中,也包含了每个雷达在VCP21模式下9个仰角所包含的不同的观测高度信息,因此,雷达变分分析系统的模式高度(模拟结果的高度)可以被近似看作是地面以上高度(Chen et al,2007)。另外,关于雷达变分分析系统对三维动力和热动力特征分析结果的定量和定性评估验证,已开展过相关工作(Chen et al,2007;Sun et al,2010;陈明轩等,2011),表明其对对流系统的低层三维动力和热动力特征的分析是可靠的,这里不再赘述。
4 模拟结果分析首先,为了判断模拟结果是否可信,这里选取了4个模拟的关键时次(15时05分、16时53分、18时59分、21时05分),对模拟的雷达回波场与雷达拼图观测场、以及模拟的云模式雨水混合比与雷达定量降水估测场(QPE)进行了定性对比分析(图略)。其中,模拟的雷达回波(即雷达反射率因子)场是基于云模式的雨水混合比,并通过雷达变分分析系统中的四维变分同化算子计算得到的(陈明轩等,2011)。通过对比发现,除了15时05分有一定差异外,在其他3个时次,模拟与观测的雷达回波场、模式雨水混合比与雷达定量降水估测场均非常接近,表明本研究的数值模拟结果是可信的。另外,根据降水率与雷达反射率的局地转换关系(陈明轩等,2010)可以计算得出,50 mm/h的雷达定量降水估测与阈值接近1.963 g/kg的模式雨水混合比相当,即50 mm/h雷达定量降水估测场的范围与1.963 g/kg模式雨水混合比的范围比较接近,这与定性对比分析结果基本一致,进一步说明了模拟结果有较高的可信度,能够反映与本次强降水MCS发展演变密切相关的低层三维动力和热动力特征。
根据谌芸等(2012)和方翀等(2012)的研究,以及基于前文雷达回波的分析,对于此次影响北京的“7.21”特大暴雨过程,17时前,可以看作是组织性较差的暖区对流性降水,而17时之后,由于西来冷锋锋面逐渐逼近暖区降水区,冷空气“侵入”作用导致对流性降水高度组织化,最终形成强降水。因此,这里对模拟结果的分析也大体上分为上述两个阶段进行。
4.1 低层动力场作用及地形影响孙军等(2012)和俞小鼎(2012)的分析表明,地形与低层风场相互作用对“7.21”强降水MCS的触发和增强起到重要作用。21日08时,华北平原以偏南风为主,随着低涡的移近,华北平原不但风速加大,低涡东部低层风向也向偏东转变,从偏南转为东南风,对降水有显著增幅作用。这种风速加强、风向向偏东偏转表明风与太行山地形的作用会加强,山前迎风坡风速会增大,地形强迫抬升会对降水造成明显增幅(孙继松,2005)。本研究通过三维数值云模式同化雷达资料后的分析结果也显示,风速增大、风向向东偏转非常有利于低层暖湿空气沿地形坡的辐合上升。而此时,分析结果也显示山前的低层辐合的确明显加强。从图 4可以看出,09时(图 4a),东南部平原地区的低层存在明显的偏南风。至10时30分,低层风向开始向东南风偏转,低层风速也逐渐增大,北京西南部与河北省交界地区开始出现强降水。至12时(图 4b),风速明显增大,风向偏转为显著的东南风,特别是在北京地区东南部,风向偏转更加明显,强降水系统加强并向东北方向发展。相应地,从低层辐合辐散场来看,随着风向的偏转和风速的增大,在地形强迫作用下,山前平原地区存在明显的低层辐合区(带),并逐渐形成为一个出流边界。至15时(图 4c),随着这一时段主要降水区域向东北方向的移动,与之伴随的低层辐合区(带)也移动发展到北京东南部地区,可以看作是出流边界向东南部的移动和发展,而此时的强降水区域显著扩大,但基本上出现在出流边界传播的后部。从16时前后开始,在北京西南部到河北省交界地区开始出现新的零散的对流单体,并逐渐合并发展为新的MCS(即造成北京“7.21”特大暴雨的主体MCS)。至17时(图 4d),随着该MCS的加强和高度组织化(图 1),新的强降水区域已经在北京西南部地区形成,并快速发展成椭圆形(带状),主轴方向(西南—东北)与地形走向接近。MCS基本上沿主轴右前侧(偏东方向)缓慢传播和发展。此时段,在强降水区域指示的沿MCS主轴右前侧,是山前强烈的低层辐合区,在MCS后部和主轴右侧(即MCS传播前沿)存在强的降水冷空气出流。在东南平原地区,距离MCS传播前沿约50 km,出现一个强的接近“西西南—东东北”走向的低层辐合带,这是由于平原地区低层东南风与MCS传播前沿出流空气相互作用所导致的上述出流边界进一步加强的直接体现,而存在出流边界是MCS出现“列车效应”或后向传播特征的主要动力特征之一(Doswell et al,1996;Schumacher et al,2005)。
随着北京西南部强降水MCS的进一步发展,至18时,可以看出强降水范围进一步扩大,沿MCS主轴右前方的低层辐合进一步加强,出流边界也向东南缓慢移动(图 5a)。从低层垂直速度来看,MCS主轴右前方的低层垂直上升也非常明显(图 6a)。至19时,椭圆形的强降水区域进一步伸展,且总体向东偏南缓慢偏移,在MCS主轴方向右侧,沿地形坡的低层辐合区(带)更加明显,出流边界也进一步发展并向东南移动(图 5b)。从低层垂直速度来看,MCS主轴方向右侧低层也是明显的上升区域(图 6b)。至20时,短时强降水区域发展为“西南—东北”向的带状,并且主体强降水区域基本上移到了山下。此时,带状降水区域右侧由于出流与地形强迫效应形成的低层辐合带进一步加强,而原有的出流边界与上一时段相比位置变化不大,强度稍有减弱(图 5c)。低层垂直速度场也显示沿MCS主轴右侧的低层上升区域范围扩展,上升强度也有所加强(图 6c)。至21时,随着锋面系统向东南方向的移动(谌芸等,2012),带状强降水区域也开始向偏东方向移动,其前沿的低层辐合带逐渐接近静止的出流边界辐合带(图 5d)。此时的低层垂直上升速度场显示,上升区域稍有扩展,但上升强度并未随之增强(图 6d)。随后,在地面冷锋推动下,两个低层辐合带合并加强并向东南移动,强降水区域也快速向东南移动。
数值模拟研究表明,低层辐合区的厚度决定该辐合区是否对强降水的发生、发展起决定性作用。低层中小尺度辐合区越深厚,越有利于边界层内的暖湿空气被上升气流抬升到自由对流高度(LFC)以上,并能够有效阻止低层对流有效位能的减小,从而非常有利于对流强降水的形成和发展(Ziegler et al,1997)。增加低层辐合的厚度,会导致低层水汽辐合显著增加,致使更多的降水抵达地面。当辐合厚度超过1 km,模拟的降水成倍增加,而当辐合厚度在1 km以下时,模拟的降水则显著减弱(Xin et al,1996)。因此,这里提出一个问题,17时之后,沿MCS主轴右前侧(MCS传播前沿)的低层辐合是MCS出流造成的浅薄辐合区呢?还是存在于整个低层的深厚辐合区呢?如果是后者,则表明地形强迫和低层风辐合对偏南暖湿空气抬升和强降水的发生起到重要作用。为此,这里首先看一下17—20时逐时700 m高度辐合场和风场形势,以及2.1 km高度辐合场形势(图 7和8)。对比图 4、5、7和8的相应时次后可以发现,沿MCS传播前沿的低层辐合属于地形强迫与低层风辐合造成的深厚辐合区,从100 m至2.1 km均存在较强的辐合特征,而出流边界形成的辐合带则属于浅薄辐合区。另外,在700 m 高度,MCS出流风场基本上消失,代之的是强的偏南和东南风,反映了京津冀东南平原地区的低空急流携带大量水汽,在地形强迫作用下对此次强降水MCS的发展维持起到重要作用(孙军等,2012;俞小鼎,2012),也与雷达气候研究结果一致(Chen et al,2012)。其次,从接近于垂直MCS主轴方向作剖面后也发现,在17—20时,MCS传播前沿整个低层的辐合均比较明显,并且,这种辐合具有一定的斜压性,随着高度的上升,辐合区由MCS传播前沿向MCS核区倾斜,这种辐合特征与地形强迫、MCS后侧强降水下沉拖曳气流一起形成一个次级环流,加速了MCS传播前沿低层气流的上升(图 9和10)。尤其在19时前后,即MCS降水最强时段,这种次级环流非常明显,导致沿MCS主轴右前方出现强的上升气流,而强降水则导致MCS后侧(主轴左侧)出现强的下沉气流(图 9c和10c)。对比也发现,在距离MCS传播前沿约50 km、由出流边界形成的辐合带则明显属于浅薄型辐合,一般辐合厚度在1 km以下,对应的垂直上升也不是很强。
从低层风场剖面(图 9)来看,在MCS传播的前方,0—3 km整层高度内存在占绝对优势的偏南低空急流,其对低层暖湿空气的输送作用应该是非常显著的。而在MCS传播前沿,存在较为明显的0—3 km风垂直切变,包括由于山体阻挡造成的上下层风速差所形成的风速切变,以及近地面MCS出流与低层偏南风所形成的风向切变。图 11是04—20时MCS不同发展时次的0—3 km风垂直切变形势。可以看出,强的低层切变区域与地形走向以及MCS的伸展方向关系密切。在14时,北京西南部地区的低层切变大小接近20 m/s,与北京南郊观象台14时加密探空观测的0—3 km切变值接近(方翀等,2012),达到中纬度环境的强低层切变阈值范围。16时,北京西南部房山地区的低层切变最大超过24 m/s。18时,由于强降水MCS的发展和加强,MCS出流与低层偏南风相互作用导致低层切变进一步增大,最强接近30 m/s。20时,MCS发展成熟并即将移到平原地区,地形强迫形成的低层切变减弱,但强降水出流与低层偏南风相互作用形成的切变有所增强,从而导致在MCS的传播前沿保持强的低层切变形势,最强仍接近28 m/s。上述分析进一步揭示了低层偏南暖湿气流与地形强迫以及MCS出流相互作用所形成的动力效应与此次强降水MCS的发展演变存在着密切联系。在北京西南部的强降水MCS形成之前,主要是地形强迫形成的风速切变为主。在强降水MCS形成后,MCS出流与低层偏南风所形成的风向切变又进一步加强了低层的切变强度。而在MCS移出北京西南部之后,切变主要由MCS出流与低层偏南风所致。这种低层风垂直切变与MCS的正反馈效应非常有利于此次强降水MCS的高度组织化、长时间发展及维持。在强的风垂直切变环境中,一般容易导致中尺度涡旋和超级单体的形成(Davies-Jones,1984),相应地,也非常有利于MCS的高度组织化发展。事实上,在21日下午,影响北京的MCS强降雨云团中,的确形成了20多个具有β尺度涡旋特征的超级单体,其中一个在北京通州区产生强降水的同时,也产生了一个F1级龙卷(俞小鼎,2012)。这里需要指出的是,低层垂直风切变对此次强降水MCS的作用与陈明轩等(2012a,2012b)分析的低层风垂直切变对飑线和超级单体风暴发展维持的作用是不一样的,也有别于中国大多数暴雨以上强降水的切变环境特征。一般而言,中国强降水MCS最易出现在风垂直切变相对较弱的环境中(丁一汇,1994)。
4.2 低层热动力场作用对于此次强降水过程,17时前,可以看作是对流组织性较差的暖区降水。17—20时,锋面系统逐渐移入北京,强降雨从单纯的暖区降水逐渐转换为受冷锋影响的锋前暖区降水,分散的降水中心逐渐形成一条“西南—东北”向的强降水带(谌芸等,2012;方翀等,2012)。从图 12来看,14时,扰动温度场显示京津冀东南部平原地区的低层为明显的偏暖形势,在低层偏南风的作用下,为降水区域带来充沛的暖湿空气,向偏北伸展的“暖舌”也为暖区降水性质奠定了基础。19时以后,随着地面锋面的到达和干冷空气的“侵入”,加强的低层偏南暖湿气流和西来干冷空气相互作用,有利于对流降水的加强,多个中小尺度对流云团逐渐转化为高度组织化的带状MCS,产生极端强降水。根据前文分析,并依据低层风场和扰动温度场(图 12a和b)可以判断出,低层冷暖空气的交汇边界即为前文所述出流边界所在位置,从而指示出低层的冷空气出流与偏南暖湿气流存在显著相互作用,也更加促进了强降水区的低层不稳定,从而有利于强降水MCS的维持和不断发展(Schumacher et al,2005;Chu et al,2000;Chen et al,2012)。
根据北京南郊观象台当日14时的加密探空,基于自由对流高度(约370 m)计算得到的0—3 km对流有效位能接近200 J/kg,而对流层整层对流有效位能则超过2300 J/kg(图略),属于热力层结强不稳定的形势。根据0—3 km的热动力分析结果,也可以近似计算低层0—3 km的对流有效位能,从而至少可以定性判断低层热力不稳定的空间分布形势。从图 13来看,MCS在北京地区发生、发展阶段,0—3 km对流有效位能显示最明显的低层热力层结不稳定区域基本上在山前平原地区,对流有效位能的大值区基本上在MCS的南部到西南部地区,最大值约为200 J/kg,与探空观测计算结果相当。可以推演,对流层整层对流有效位能指示的热力层结不稳定分布区域也应该是以MCS的南部到西南部地区为主,为MCS尾部风暴单体的不断新生和传播创造了良好的热力条件(Moore et al,1993)。
5 与地面自动站观测的分析对比以前的研究工作(Chen et al,2007;Sun et al,2010;陈明轩等,2011)已经开展了雷达变分分析系统对低层三维动力和热动力结果的定量及定性评估。这里,针对该个例,对比分析低层雷达变分分析结果与地面自动站观测客观分析结果。图 14和15分别是相同时次的低层100 m的辐合辐散、风场及温度场与地面自动站观测的巴恩斯客观分析结果。可以看出,京津冀地区足够密集的自动站观测能够分析出地面温度变化、辐合辐散以及风场的中尺度形势。但是,与强降水MCS相伴随的精细的三维热、动力结构(如:冷空气出流、冷池、出流边界、辐合上升),则只能通过基于雷达资料四维变分同化技术的变分分析方法得到。在雷达变分分析系统中,因为不仅同化了每部雷达6 min间隔的空间三维观测信息(反射率因子和径向速度),而且也融合了5 min间隔的地面自动站观测和中尺度数值模式结果,所以,可确保低层的动力和热动力分析结果不仅能够包含中尺度信息,而且也能够反映出与强降水MCS密切相关的低层三维热力、动力结构。
从定量分析的角度来说,自动站观测与相应的巴恩斯客观分析结果、模式分析结果与观测之间必然存在一定偏差。就站点观测与巴恩斯客观分析的风场来看(图 14),部分站点风场与客观分析风场存在较大偏差,这是因为部分地面自动站(特别是在北京城区及其附近)受到周围环境的影响,观测的风向或风速出现了明显偏差,而这种风场偏差并不具有显著的中小尺度天气学意义;而在使用巴恩斯客观分析方法进行风场分析时,影响半径的设定会对风场进行一定程度的平滑处理,剔除掉具有明显异常的风场观测,得到与中小尺度环流系统比较匹配的格点风场。因此,造成部分站点观测与客观分析风场的差异。对于雷达变分分析结果与观测的定量对比,进行了低层100 m的风场及温度场与自动站观测巴恩斯客观分析结果的均方根误差的统计计算(时段为2012年7月21日08时29分—22日02时29分)。从均方根误差的全场平均来看,风速为2.2 m/s,风向为35°,温度为2.6℃,与以往(Sun et al,2010;陈明轩等,2011)统计得到的偏差结果类似。从风场和温度场的均方根误差分布区域来看,基本上最大偏差出现在西北部山区和MCS传播前沿。在山区,由于复杂地形影响、山区地面自动站观测比较稀疏以及云模式对地形处理的偏差等原因,导致地面观测的客观分析结果与100 m高度的雷达变分分析结果出现偏差。在MCS传播前沿,则主要是由于地面自动站不能够有效捕捉到与对流风暴发展相伴随的一些中小尺度系统(如出流风场、出流边界辐合、冷池等),再加上巴恩斯客观分析方法的平滑效应,从而造成地面观测的客观分析结果与100 m高度的雷达变分分析结果出现偏差。另外,地面与模式最低层100 m高度的风场和温度场等本身也存在一定差异,如温差一般在0.5—1℃。6 低层热、动力概念模型
造成北京“7.21”特大暴雨的MCS整体移动缓慢,既存在明显的“列车效应”,又存在后向传播特征(俞小鼎,2012;谌芸等,2012;孙军等,2012;方翀等,2012)。Moore等(1993)对发生在美国中纬度地区33个MCS的中尺度环境特征进行了统计分析研究,指出对于移动缓慢、准静止或后向传播MCS来说,容易发生在以下大气热、动力环境中:(1)存在一个接近东西走向的出流边界;(2)偏南低空急流与地面出流边界接近垂直,低层风向与MCS整体移动方向相对;(3)在MCS前方,低层辐合造成显著的暖湿空气上升;(4)最大对流有效位能区域在MCS的南部到西南部。Schumacher等(2005,2006)通过对更多MCS个例的发生、发展环境进行统计分析研究后指出:(1)具有缓慢“列车效应”、后向传播特征的MCS是造成局地特大暴雨的主要对流天气系统;(2)此类MCS经常会在一个已经存在的、接近东西走向(或西南—东北走向)的出流边界的冷区一侧形成并发展,并反过来导致出流边界进一步加强;(3)低层垂直风切变方向以及与之相对应的低层偏南风风向与出流边界相交,甚至接近垂直;(4)在此类MCS的右前方低层是明显的暖区,也可能存在暖湿舌。
从本研究的模拟分析来看,与此次强降水MCS相关的低层动力和热动力特征与Moore等(1993)以及Schumacher等(2005,2006)的研究存在诸多相似之处,但地形强迫等也对MCS的发展演变和移动传播起到重要作用。为此,基于模拟和观测综合分析得出,造成此次北京地区强降水的MCS的总体特征以及与之密切相关的低层动力和热动力特征主要包括:
(1)此次强降水MCS呈“西南—东北”向带状,在太行山地形坡上形成并发展,MCS走向与地形走向接近;MCS总体向偏东南方向缓慢传播,与传播前方低层环境风向相对;构成MCS的单体则沿“西南—东北”向缓慢移动,形成“列车效应”;在MCS尾部(主轴后端),出现风暴单体的不断再生和后向传播;在MCS头部(主轴前端),风暴单体向东北移动、扩散并逐渐消亡。
(2)由于地形强迫效应以及MCS出流与低层偏南风相互作用,在MCS前侧(MCS主轴右侧)存在明显的具有“后倾”斜压特征的低层深厚辐合上升区,以及较强的0—3 km垂直风切变,切变平均方向与MCS主轴方向存在较大夹角。
(3)在MCS传播前沿约50 km处,存在一个主体接近“西西南—东东北”向的出流边界;在MCS出流与低层偏南风的相互作用下,该出流边界维持并加强;出流边界与低层风向以及0—3 km风垂直切变方向接近垂直。
(4)在MCS整体传播的前方低层是明显的暖湿区,而在MCS传播的后方低层则是由于冷锋及MCS降水造成的冷区;冷、暖区域交汇的位置即为出流边界所在的位置。
(5)低层最大对流有效位能区域在MCS的南部到西南部地区。
基于上述特征,绘制如图 16所示的概念模型。
7 总结和讨论采用雷达资料快速更新循环四维变分同化技术和三维云尺度数值模式,通过对京津冀地区5部新一代多普勒天气雷达资料进行同化,并融合区域5 min自动站观测和中尺度数值模式结果,对北京“7.21”特大暴雨过程的低层三维动力和热动力特征进行了模拟和分析,从低层中小尺度环境特征分析的角度初步探讨了北京“7.21”暴雨的发生和传播机理。结果显示,对于此次具有显著低质心和热带型降水特征的MCS来说,低层动力场、热动力场以及地形强迫效应对MCS的发展演变和移动传播起到了关键作用。主要结论如下:
(1)低层动力场及地形强迫效应起到重要作用:在强降水MCS形成阶段,地形强迫效应非常有利于低空偏南气流带来的暖湿空气在山前的辐合上升,从而对引发北京“7.21”强降水的MCS的触发、增强和演变起到重要作用。随着MCS的加强和高度组织化,强降水区域呈扁椭圆状,主轴与地形走向接近。在MCS传播前沿(主轴右前侧),低层辐合上升进一步加强,并由于强降水导致MCS出现了明显的出流。MCS传播前沿的低层辐合属于地形强迫与低层风辐合造成的深厚辐合区,在2 km以下均存在较强的辐合特征,并存在“后倾”的斜压性特征,表明地形强迫和低层风辐合对偏南暖湿空气抬升起到重要作用,非常有利于MCS“列车效应”的形成和MCS的发展。在平原地区近地面偏南风与MCS出流空气相互作用下,导致在距MCS传播前沿约50 km的、已经存在的“西西南—东东北”走向出流边界明显增强。但是,该出流边界形成的辐合带属于高度在1 km以下的浅薄辐合区。在强降水MCS传播前沿,存在较为明显的0—3 km风垂直切变,切变区域与地形走向以及MCS的伸展方向关系密切,切变强度达到中纬度环境低层强切变阈值范围。低层风垂直切变主要由两部分构成,一是山体阻挡造成的上下层风速差所形成的风速切变,二是近地面MCS出流与低层偏南风所形成的风向切变。低层风垂直切变与MCS存在明显的正反馈效应,有利于MCS的长时间发展和维持。
(2)低层热动力场作用明显:在强降水MCS形成阶段,东南平原地区的低层明显偏暖,在低层偏南风作用下,为强降水MCS形成区域(北京西南部)带来充沛的暖湿空气。在MCS发展和加强阶段,低层偏南暖湿气流逐渐加强,并与锋面带来的干冷空气相互作用,对MCS的高度组织化和强降水的形成起到重要作用。模拟的0—3 km对流有效位能指示出,热力层结不稳定区域主要分布在MCS的南部到西南部地区,为MCS尾部风暴单体的不断新生、移动和后向传播创造了良好的热力条件。
(3)基于观测和模拟结果,综合分析了此次北京地区强降水MCS的总体特征以及低层三维动力、热动力特征、地形强迫效应等,初步得出了与MCS发展演变密切相关的低层热力、动力概念模型,为MCS存在缓慢“列车效应”和后向传播特征的机制分析提供了部分依据。
本研究仅仅聚焦于与此次强降水MCS密切相关的低层动力、热动力特征的模拟,以及相对应的地形强迫效应的分析。而MCS作为最复杂的对流天气系统之一,其发展和传播特征既有外部因素也有内部因素,既有中小尺度系统的影响也有大尺度系统的影响(Houze,2004)。对于此次强降水MCS,天气尺度系统和中上层大气环流特征的影响也是非常重要的因素(谌芸等,2012;孙军等,2012;方翀等,2012;俞小鼎,2012)。事实上,应该是低层系统与中上层系统的多时空尺度的有利叠加,形成了此次强降水MCS的长时间维持和高度组织化。对于MCS的“列车效应”和后向传播特征的形成机制,与中上层大气特征(如:850—300 hPa平均气流、温度平流、中层切变、高空急流、厚度场型、高层辐散等)的关系也非常密切(Corfidi et al,1996;Doswell et al,1996;Corfidi,2003;Moore et al,2003;Schumacher et al,2005)。但是,这些已经超出本研究的讨论范畴。另外,本研究模拟工作所用的雷达变分分析系统本身也还存在诸多需要改进的方面,模拟结果也必然存在一定偏差。目前,正在发展并测试新版本雷达变分分析系统,期待基于新系统的模拟结果能够进一步改进,相关的工作将在另外的论文中阐述。
致谢: 感谢美国国家大气科学研究中心(NCAR)的孙娟珍博士对数值模拟工作给予的建议和指导;对美国圣路易大学的James Moore博士不吝提供相关参考文献材料表示诚挚的谢意。陈敏,范水勇,郑祚芳等.2011.基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探.气象学报,69(1):181-194 |
陈明轩,俞小鼎,王迎春.2007.交叉相关算法的改进及其在对流临近预报中的应用试验.应用气象学报,18(5):690-701 |
陈明轩,高峰,孔荣等.2010.自动临近预报系统及其在北京奥运期间的应用.应用气象学报,21(4):395-404 |
陈明轩,王迎春,高峰等.2011.基于雷达资料4DVar的低层热动力反演系统及其在北京奥运期间的初步应用分析.气象学报,69(1):64-78 |
陈明轩,王迎春.2012a.低层垂直风切变和冷池相互作用影响华北地区一次飑线过程发展维持的数值模拟.气象学报,70(3):371-386 |
陈明轩,王迎春,肖现等.2012b.基于雷达资料四维变分同化和三维云模式对一次超级单体风暴发展维持热动力机制的模拟分析.大气科学,36(5):929-944 |
陈双,王迎春,张文龙等.2011.复杂地形下雷暴增强过程的个例研究.气象,37(7):802-813 |
谌芸,孙军,徐臖等.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 |
崔春光,闵爱荣,胡伯威.2002.中尺度地形对“98.7”鄂东特大暴雨的动力作用.气象学报,60(5):602-612 |
丁一汇.1994.暴雨和中尺度气象学问题.气象学报,52(3):274-284 |
方罛,毛冬艳,张小雯等.2012.2012年7月21日北京地区特大暴雨中尺度对流条件和特征初步分析.气象,38(10):1278-1287 |
高坤,翟国庆,俞樟孝等.1994.华东中尺度地形对浙北暴雨影响的模拟研究.气象学报,52(2):157-164 |
盛春岩,高守亭,史玉光.2012.地形对门头沟一次大暴雨动力作用的数值研究.气象学报,70(1):65-77 |
孙健,赵平,周秀骥.2002.一次华南暴雨的中尺度结构及复杂地形的影响.气象学报,60(3):333-342 |
孙继松.2005.北京地区夏季边界层急流的基本特征及形成机理研究.大气科学,29(3):445-452 |
孙继松,何娜,郭锐等.2013.多单体雷暴的形变与列车效应传播机制.大气科学,37(1):137-148 |
孙军,谌芸,杨舒楠等.2012.北京721特大暴雨极端性分析及思考(二)极端性降水成因初探及思考.气象,38(10):1267-1277 |
王婷婷,王迎春,陈明轩等.2011.北京地区干湿雷暴形成机制的对比分析.气象,37(2):142-155 |
俞小鼎.2012.2012年7月21日北京特大暴雨成因分析.气象,38(11):1313-1329 |
Barnes S. 1964. A technique for maximizing details in numerical map analysis. J Appl Meteor, 3(4); 395-409 |
Carbone R E, Tuttle J D, Ahijevich D A, et al. 2002. Inferences of predictability associated with warm season precipitation epicodes. J Atmos Sci, 59:2033-2056 |
Chen M R, Sun J,Wang Y C.2007. A Irequent-updating high-resolution analysis system based on radar data for the 2008 summer Olympics//Preprints, 33rd International Conference on Radar Meteorology. Cairns, Australia, Amer Meteor Soc, 4A. 7 |
Chen M X, Wang Y C,Gao F, et al. 2012. Diurnal variations in convective storm activity over contiguous North China during the warm season based on radar mosaic climatology. J Geophys 117: D20115, doi:lo.1029/2012JD018158 |
Chu C-M,Lin Y-L. 2000. Effects of orography on the generation and propagation of mesoscale convective systems in a two-dimensional conditionally unstable Ilow. J Atmos Sci 57:3817-3837 J Atmos Sci 57:3817-3837 |
Corlidi S F, Merritt J H,Fritsch J M. 1996. Predicting the movement of mesoscale convective complexes. Wea Forecast, 11 41-46 |
Corlidi S F. 2003. Cold pools andMCS propagation: Forecasting the motion of downwind-developing MSCs. Wea Forecast, 18; 997-1017 Davies-Jones R. 1984. Streamwise vorticity; The origin of updralt rotation in supercell storms. J Atmos Sci, 41:2991-3006 |
Doswell C A III, Brooks H E, Maddox R A. 1996. Flash hood forecasting: An ingredients-based methodology. Wea Forecast, 11:560-581 |
Houze R A Jr, Smull B F, Dodge P. 1990. Mesoscale organization of springtime rainstorms in Oklahoma. Mon Wea Rev, 118 613-654 |
Houze R A Jr. 2004. Mesoscale convective systems. Rev Ueophys, 42: RG4003,doi:10. 1029/2004RG000150 |
Junker N W, Schneider R S, Fauver S L. 1999. A study of heavy rainlall events during the Great Midwest Flood of 1993. Wea Forecast, 14: 701-712 |
Moore J T, Pappas C H,Glass F H. 1993. Propagation characteristics of mesoscale convective systems//Preprints, 17th Conlerence on Severe Local Storms. St. Louis, Amer Meteor Soc, 538-541 |
Moore J T, Glass F H,Graves C E, et al. 2003. The environment of warm-season elevated thunderstorms associated with heavy rainlall over the central United States. Wea Forecast, 18; 861-878 |
Parker M D, Johnson R H. 2000. Organizational modes of midlatitude mesoscale convective systems. Mon Wea Rev, 128: 3413-3436 |
Parker M D, Johnson R H. 2004. Structures and dynamics of quasi-2D mesoscale convective systems. J Atmos Sci, 61: 545-567 |
Park S K, Lee E. 2007. Synoptic Ieatures of orographically enhanced heavy rainlall on the east coast of Korea associated with Typhoon Rusa (2002). Geophys Res Lett, 34; L02803,doi 10. 1029/2006GL028592 |
Rotunno R, Klemp J B, Weisman M L. 1988. A theory for strong, long-lived squall lines. J Atmos Sci, 45; 463-485 |
Schumacher R S, Johnson R H. 2005. Organization and environmental properties of extreme-rain-producing mesoscale convective systems. Mon Wea Rev, 133: 961-976 |
Schumacher R S, .lohnson R H. 2006. Characteristics of U. S, extreme rain events during 1999-2003. Wea Forecast, 21:69-85 |
Sun J,Crook N A. 1997. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint; I. Model development and simulated data experiments. J Atmos Sci, 54; 1642-1661 |
Sun J,Crook N A. 1998. Dynamical and microphysical retrieval Irom Doppler radar observations using a cloud model and its adjoint: II. Retrieval experiments of an observed Florida convective storm. J Atmos Sci, 55: 835-852 |
Sun J,Crook N A. 2001. Real-time low-level wind and temperature analysis using single WSR-88D data. Wea Forecasting, 16 117-132 |
Sun J,Zhang Y. 2008. Analysis and prediction of a squall line observed during IHOP using multiple WSR-88D observations. Mon Wea Rev, 136; 2364-2388 |
Sun J,Chen M X, Wang Y C.2010. A Irequent-updating analysis system based on radar, surlace, and mesoscale model data for the Beijing 2008 Forecast Demonstration Project. Wea Forecast, 25:1715-1735 |
Wang C-C,Chen G T-J,Carbone R E. 2004. A climatology of warm-season cloud patterns over East Asia based on UMS inlrared brightness temperature observations. Mon Wea Rev, 132 1606-1629 Weisman M L, Klemp J B. 1982. The dependence of numerically simulated convective storms on vertical wind shear and buoyancy. Mon Wea Rev, 110: 504-520 |
Weisman M L, Klemp J B, Rotunno R. 1988. Structure and evolution of numerically simulated squall lines. J Atmos Sci, 45 1990-2013 Weisman M L, Rotunno R. 2000. The use of vertical wind shear versus helicity in interpreting supercell dynamics. J Atmos Sci, 57. 1452-1472 |
Xin L, Reuter U W. 1996. Numerical simulation of the ellects of mesoscale convergence on convective rain showers. Mon WeaRev, 124; 2828-2842 |
Ziegler C L, Lee T J,Pielke R A Sr. 1997. Gonvective initiation at the dryline: A modeling study. Mon Wea Rev, 125:1001-1026 |