初夏时节东亚季风环流调整, 西太平洋副热带高压北抬西伸, 在长江中下游到韩国、日本长期维持静止锋雨带, 形成梅雨。梅雨天气的主要特征是长江中下游地区多阴雨, 雨量充沛, 相对湿度很大, 降水一般为连续性, 但常间有阵雨或雷阵雨, 有时可达暴雨程度。长江中下游地区梅雨的划分问题, 由于梅雨锋停滞的位置不同和梅雨锋的南北摆动, 各地降水的起止日期、持续时间的长短、梅雨量的多少有很大差异, 所以各地根据各自的理解和认识, 制订了各自的梅雨划分标准, 从而引起历年来入梅、出梅日期的争论, 即不同学者、不同省市气象局及国家气候中心对梅雨的划分有多种方案, 出、入梅标准是不一致的, 很难达到统一^[1-3]。

利用地基GPS接收机进行气象探测, 可以获得站点上空准确、连续的大气水汽总量, 精度可达2 mm, 时间分辨率小于1 h^[4]。李成才等^[5]、何平等^[6]在以往进行的观测试验中也得到了精度较高的大气水汽总量资料, 连续高时空分辨率的大气水汽总量资料对于分析水汽和降水, 气象预报及气候研究具有极其重要的意义^[7]。曹云昌等对安徽省2002年入梅前后各站GPS遥感的大气水汽总量的分析发现, 其变化甚至大于30 mm, 清楚地反映了这一入梅降水过程^[8]。在对2002—2005年长江下游GPS网监测得到的大气中水汽总量 (Precipitable Water Vapor, 简称PWV, 本文以下各处一律将GPS反演出的PWV值称为GPS/PWV) 资料分析时, 发现当东亚季风向北推进时, PWV有一个快速增加过程, 并基本稳定在某一量值以上, 且该变化与长江下游进入梅雨期有较好的对应关系^[9]。为此, 利用GPS/PWV以及探空资料计算的PWV的资料, 分析了大气中水汽总量与入梅关系, 提出了一种利用大气中水汽总量变化特征来诊断入梅时间的方法。

GPS的微波信号被地球大气的电离层和中性大气所延迟, 其中电离层延迟近似地和信号频率的负二次方成比例, 所以采用双频发射技术而得以消除, 其校正精度可达到毫米量级, 余下的中性大气天顶延迟可分为由水汽产生的湿延迟 (Z_WD) 和其他大气成分产生的干延迟或静力延迟 (Z_HD), 天顶静力延迟可使用精确的地面气压测量来进行计算。因此, 从GPS测得的总天顶延迟中减去天顶静力延迟, 就可以得到湿延迟, 再通过以下公式转换成水汽总量PWV的测量^[10]。

(1)

V_PW的定义是大气气柱的总水汽含量转换成等效液态水柱的高度, Π为转换因子。

(2)

式 (2) 中, R_v=461.495 J·kg^-1·K^-1是水汽的比气体常数, k₃和k₂是物理常数, 其中k₂=22 K·hPa^-1, k₃=3.739×10⁵ K²·hPa^-1, T_m是大气的权重平均温度, 可定义为

(3)

式 (3) 中, e为水汽压, T为温度 (单位:K), 积分沿整个气柱。T_m在实际工作中一般可通过地面温度T_s近似计算, 在1997年8月上海的GPS/STORM试验中, 使用Bevis等提出的T_m=70.2 +0.72 T_s, 利用地面气象记录求得的GPS/PWV与同时间探空所得的PWV比较, 其误差可达到毫米量级^[11]。由于GPS资料有着高精度、高时空分辨率和低成本的特点, 从而可以弥补常规观测手段对大气水汽观测的不足, 提高对灾害性天气的监测和预报能力, 提高数值预报的精度, 并能更好地了解气候和气候变化。

V_PW可以很好地反映大气中的实际含水量, 但是V_PW不是一个可直接测量的量, 可通过探空资料来计算得到^[12]。

(8)

式 (8) 中, ρ_i为某一高度层hi的水汽密度, Δh_i为该层的厚度,

e_i为该高度层水汽压, R_a为水汽比气体常数, R_a=4.6×10⁶ J·g^-1·℃^-1。

(9)

将各层的V_PW (i) 求和可以得到探空资料计算的大气水汽总量。

通过探空得到的标准层和特性层的资料, 利用上述公式可得到大气水汽总量。

本文利用建立在长江三角洲地区的GPS观测网 (14个站点) 的资料^[13], 对2002—2005年长三角地区GPS站点反演出的PWV资料与这4年的入梅关系进行了分析。同时利用上海宝山探空站1980—2000年探空资料计算得到的PWV资料, 对比分析了PWV与入梅关系。

上海气象局业务规定入梅标准^[14]为:入梅前5 d, 副热带高压在120°E上的脊线在18°N及以北, 且5 d中至少有3 d的日平均气温≥22 ℃。入梅后头5 d中必须有4 d雨日 (包括郊县气象站测得的雨日); 若梅雨有分段现象, 则每段梅雨结束后的气温≥22 ℃。

图 1是2002年6月长江三角洲地区14个GPS基站中5个站测得的PWV时序图, 其中数据的时间采样率为每个站点每半小时1个值, 这些资料的时空分辨率很高。由图 1可以看出, 从6月18日11:00(北京时, 下同) 开始各站GPS/PWV的值开始剧增, 长江三角洲地区自西向东、由南向北在短短的12 h内GPS/PWV值从30 mm左右升到了60 mm左右, 而且此后很长一段时间内GPS/PWV值都保持在很高的水平。由6月18—19日各GPS站点每半小时的PWV值序列图 (图略) 中可以更加清楚看到安徽黄山站6月18日08:00—18:00 PWV值从30 mm剧增到63 mm, 上海奉贤站6月18日18:00到19日06:00 PWV值从25 mm剧增到了62 mm, 而江苏东台站则6月19日00:00—12:00 PWV值从25 mm剧增到55 mm。

图 1

图 1. 2002年6月长江三角洲地区GPS网中5个站所测得VPW Fig 1. Variation of VPW at the 5 respective stations of the Yangtze River delta area GPS network in June, 2002

图 2是6月18日前后几天不同时间各GPS站点PWV分布图, 从6月16日00:00的PWV分布图可以看出, 各个站点所测PWV值都在20~30 mm左右。一直到6月18日11:00各站点值仍然保持在30 mm左右。6月18日18:00的PWV值分布图可以看出安徽黄山站的PWV值已有明显增大, 安徽宣城PWV值也在显著增加, PWV值已经明显的从西南角开始向东北方向增大。在6月18日21:00的PWV分布图, 增大趋势更加明显, 西南角上3个站的PWV值已经超过50 mm, 而东北角上的几个站还在30 mm左右, 在东南到西北的对角线附近有很大的梯度。6月19日05:30, 有13个站点PWV值都大于50 mm, 分布还是从西南向东北递减的形式。6月19日11:30, PWV值分布形式基本上就稳定下来, 各站PWV也都在50 mm以上。从PWV分布的演变看出, 2002年长江三角洲在24 h内从西南到东北完成入梅的过程。

图 2

图 2. 2002年6月16—19日各GPS站点PWV值分布图 Fig 2. The PWV distribution on June 16—19, 2002

从6月18日前后几天PWV值空间分布变化来看, 长三角地区各GPS站点PWV值都在短短12 h内就从30 mm左右突增到60 mm左右, 而18日各站PWV值短时间内有个剧增的过程, 而且也能反映出前面从时序图上已经看出来的从西到东、从南向北依次增加的过程细节。而且之后PWV值几乎保持在这个高值上, 并会持续一段时间。进一步研究还发现, 6月18日前各站5 d的PWV平均值为31.5 mm, 而18日后5 d的PWV平均值为52.7 mm, 增加了21.2 mm, 这说明, 6月18日前后, 长三角地区大气系统确实有一个很大的季节性的转变。一般年份6月中旬大气系统最大的季节性转变莫过于入梅, 那么, 该日的转变是否是入梅呢?

对于季节性转变的诊断, 用PWV值瞬时变化不具有代表性, 最好能用几天平均值来诊断。首先引入日平均PWV值序列P={p_i}(i=1, 2, …, N为从某天开始的天数), 从PWV的时间序列P中再引入其5 d的滑动平均序列Q={q_j}, q_j=(p_j + p_{j +1}+p_{j +2} +p_j+3 +p_j+4)/5, j=5, 6, …, N, 再用相隔5 d的滑动平均差值构造一个新的时间序列R={r_k}, r_k=q_k+5-q_k, k=5, 6, …, N-5即R序列中第k个值为第i天开始的后5 d平均值与其之前5 d平均值的差。时间序列R中的最大值反映的就是滑动平均变化的最大值。

图 3是2002年6, 7月上海地区GPS/PWV的P, Q, R时序图, 其中的序列P是将上海地区各GPS站测值平均后再求日平均而得。从图中可以清楚地看到GPS/PWV日平均序列值和5 d滑动平均值序列都在6月18日左右突增, 而滑动平均的差值序列R也在这天达到最大, 从PWV的日平均变化来看, 6月18日也确实有某种季节性转变。

图 3

图 3. 2002年6—7月上海地区GPS/PWV的P, Q, R时序图 Fig 3. P, Q, R succession of GPS/PWV from June to July, 2002 in Shanghai area

图 4是与图 3对应时间内的天气状况 (日平均温度、绝对湿度和日降雨量), 可以看到6月18日以后上海地区开始有大量持续的降水, 而且这前后的日平均温度很高, 高于22 ℃, 地面的绝对湿度也有显著的增长。由此, 可以判断, 2002年的入梅日应该定在6月18日。

图 4

图 4. 2002年6—7月上海地区天气状况 Fig 4. The weather conditions from June to July, 2002 in Shanghai

副热带高压的季节内变化决定我国东部雨带的几次向北推移^[15], 我国东部暴雨带变动受副热带高压西伸北跳的调节^[16], 江淮入梅前期的最显著的特征是副热带高压首先在太平洋中部增强北跳, 而后向西扩展导致太平洋副热带高压西部脊 (120°E) 的增强北跳^[17]。从2006年6月18日20:00的500 hPa天气图 (图略) 可以看到, 副热带高压脊线位置已经处于20°N左右, 且西伸脊点已经到达110°E, 使我国长江中下游地区处于西南暖湿气流的影响之下, 空气中水汽十分充足, 副热带高压北跳直接导致了大气中的水汽增加, 有利于梅雨锋的建立。统计了6月18日前后几天在115°E, 120°E和125°E的副热带高压脊线纬度, 入梅前5 d副热带高压脊线纬度不稳定, 有3 d在18°N以南, 而入梅后, 则明显在18°N以北。

综上所述, 无论是从上海地区日平均温度、日平均绝对湿度还是日降雨量来看, 6月18日都应该定为入梅日, 而高空环流场的分析则证明了这个结论。研究这段时间的GPS/PWV资料则会发现, 6月18日PWV值有一个剧增的过程, 从30 mm左右增加到了60 mm左右, 且入梅后的PWV值几乎不低于40 mm, 其滑动平均的这种特点则更加明显。每5 d滑动平均前后差值序列也是在入梅这天达到最大, 因此认为, 用PWV值的变化可以用来诊断入梅, 其诊断出的入梅日和常规用降水和雨日所定入梅日是一致的, 而且利用PWV值来定入梅还有一定的优越性, 其一, PWV资料是连续的, 不像降水 (雨日) 那样间断, 连续的水汽变化可以更准确的表示季节性转变的过程; 其二, 还可以用每半个小时的GPS/PWV资料时序图和PWV值分布图来研究入梅的具体细节。

2005年整个6月降水比较少, 而且雨日不多也不连续。除了3日和10日上海地区有零星的小雨, 另外就是25—28日有1次较明显的降水过程。由于该年的降水太少, 雨日也太少, 传统方法定入梅的时间就有很多分歧。如长三角地区有的台站将入梅定到了6月10日, 有的定在6月25日, 更有的定在7月3日等。而根据GPS/PWV资料来看 (图 5), PWV的日平均和5 d滑动平均值在6月25日开始剧增, 并开始稳定在40 mm以上, 而滑动平均的差值序列R也在这天达到最大, 高达31 mm。从PWV的序列来看, 定6月25日为入梅日是最合理的。西北太平洋副热带高压脊线纬度在6月19日以前一直在15°N左右, 19日以后才开始超过18°N, 根据入梅前5 d副热带高压脊线超过18°N的标准, 6月25日应该定为2005年的入梅日。

图 5

图 5. 2005年6月1日—7月10日上海地区GPS/PWV的时序图 Fig 5. The time serial chart of GPS/PWV data from June 1 to July 10, 2005 in Shanghai

表 1统计了2002—2005年GPS入梅前、后 (5 d) GPS/PWV平均值, 入梅前 (5 d) GPS/PWV平均值基本在30 mm以下, 入梅后 (5 d) GPS/PWV平均值基本在45 mm以上, 其入梅前、后 (5 d) GPS/PWV平均值的差大于20 mm, 变化非常显著。另外从2003—2005年PWV值序列P、滑动平均序列Q, 5 d的滑动平均差值R序列 (图略) 来看, 与2002年有相同变化趋势。

表 1

表 1 2002—2005年入梅前、后5 d GPS/PWV平均值的比较 (单位:mm) Table 1 The comparison between the 5-day-mean PWV values before and after Meiyu onset (unit:mm)

表 1 2002—2005年入梅前、后5 d GPS/PWV平均值的比较 (单位:mm) Table 1 The comparison between the 5-day-mean PWV values before and after Meiyu onset (unit:mm)

在上述分析的基础上, 归纳出利用GPS/PWV资料诊断入梅的方法:① GPS/PWV的日平均资料P序列及其5 d滑动平均Q序列有急升, 并超过40 mm; ②在满足条件①的日期前5 d滑动平均Q稳定在40 mm以下, 只是偶尔几次会超过40 mm; 在入梅日后Q值稳定在40 mm以上, 低于40 mm的日子也很偶然; ③在该日附近几天内, 滑动平均的差值R有一个峰值, 超过20 mm。

如果在GPS/PWV的变化同时满足这3个条件, 可认为该日为入梅日期。

为了验证以上方法的有效性, 利用1980—2000年21年的6—7月的探空资料计算了逐日平均的PWV资料P序列5 d滑动平均Q序列和滑动平均前后差值R序列, 对每年的入梅日期进行诊断, 并与上海中心气象台历史上用传统方法确定的入梅日作了比较。21年中有13年两种方法确定的入梅日期是一致的 (表 2), 8年有差别。尤其是1981, 1984, 1988, 1991, 1995年这5年相差达到了10 d或以上。在此, 特选择1984, 1989年和1991年这3年来分析比较PWV诊断的入梅期和原定的入梅期, 为今后使用PWV来诊断入梅期作一个参考。

表 2

表 2 1980—2000年上海地区原定入梅期与根据PWV突变诊断的入梅期的差异 Table 2 The differences between the Meiyu onset dates diagnosed by the traditional method and the PWV method during 1980—2000 in Shanghai area

表 2 1980—2000年上海地区原定入梅期与根据PWV突变诊断的入梅期的差异 Table 2 The differences between the Meiyu onset dates diagnosed by the traditional method and the PWV method during 1980—2000 in Shanghai area

图 6a是1984年6—7月上海地区PWV的P, Q和R的时序图, 由图可以看出, 在6月19日PWV值有一个突增, 且6月19日后5 d PWV值的滑动平均较其前5 d相差达30.1 mm, 从36.0 mm突然增长到了66.1 mm, 而从PWV原值及其5 d滑动平均也能看到突变增长。还可以看出, 6月19日以后PWV值一直持续很高, 因此, 从PWV的时序图中判定, 1984年6月19日为此年的入梅日。这比上海中心气象台原定的6月7日晚了12 d。

图 6

图 6. 1984年6—7月上海地区PWV的P, Q, R序列时序图 (a) 与天气要素变化状况 (b) Fig 6. The time serial chart of P, Q, R of PWV (a) and the variation of weather elements (b) in Shanghai from June to July, 1984

图 6b是与图 6a对应时间内的天气情况 (日平均温度、湿度和降雨量)。由图 6b可以看出, 6月7日开始有较多雨日, 但日平均气温稳定在22 ℃以下, 一直到6月19日日平均气温才升到22 ℃以上。根据入梅标准, 应该将入梅定在6月19日更合适。而PWV值恰好在19日发生突然增加。19日开始, 绝对湿度上升到25 g/m³以上, 也说明6月19日定为入梅日比较合理。

从1984年6月副热带高压脊线在115°~125°E上的平均纬度位置 (图略) 可以看出, 6月7日前5 d副热带高压脊线没有超过18°N, 虽然在7日开始跃上了20°N, 但在11日前后又突然南退到18°N以南 (甚至达到只有10°N的程度)。而从18日开始又突然北跳, 达到了25°N左右。从上海地区6—7月日平均温度、降水以及副热带高压变化出发, 分析和比较上海中心气象台原定的1984年入梅日和从PWV资料诊断出的入梅日, 结果发现用PWV诊断出的入梅日更加合理。

上海中心气象台原定的1989年入梅日为6月10日, 实际上6月7—8日下雨, 9日雨停, 10日又开始下雨。而且, 从6月7日前5 d的6月2日开始, 日平均气温就连续超过22 ℃, 副热带高压脊线超过18°N, 因此定在6月7日入梅也可以, 但有争议。6月7日PWV突然增加, 其5 d平均值从32.18 mm跳到53.63 mm, 增加了21.45 mm。图 7a是1989年6—7月上海地区的PWV 3种时间序列P, Q, R。从图中可以清楚地看到这次PWV的突增, 而且还可以看到PWV 5 d滑动平均值在7日开始超过40 mm, 以后逐渐增加并稳定下来。另外, 在图中还可以很清楚地看到在6月16日PWV突然降低, 一度降到20 mm左右, 并于6月24日开始又突然增大, 滑动平均的差值序列也于6月26日再次变得很大, 达到与6月7日相当的量值。从PWV值这个变化特点出发, 可认为此次梅雨分成了两段。

图 7

图 7. 1989年6—7月上海PWV时序图 (a) 及天气状况 (b) Fig 7. The time serial chart of P, Q, R of PWV (a) and the variation of weather elements (b) in Shanghai from June to July, 1989

图 7b是与图 7a对应时间段内上海地区的天气信息。从图中可以很清楚的看到, 从6月7日开始上海地区已有明显的降水, 且其前5 d开始日平均温度已经达到22 ℃的标准。还可以看到, 在16日PWV值开始猛烈下降的同时, 降水也很少了, 从18日开始连续8 d没有降水, 直到27日PWV值开始增大, 才又开始有了大量降水, 并一直持续了十几天, 因此认为, 这次梅雨确实分成了两段。但是上海中心气象台原来并没有指出这一点, PWV的应用使人们重新认识了这次梅雨过程。

1991年原定的入梅日期是6月3日。从5月19—23日连续5 d降雨, 日平均气温≥22 ℃, 副热带高压脊线在20°~22°N。符合梅雨标准, 具有典型的梅雨特征, 定在5月19日入梅也合理。在5月19日前后5 d的PWV平均值从25.02 mm跳到49.36 mm, 增加了24.36 mm。现在看来定在5月19日入梅更合适。1991年是长江下游罕见的梅雨涝年, 已有研究进行详细分析。如果现在确定5月19日入梅, 比原定的入梅日期提早了14 d, 成为历史上最早的入梅日。图 8a是1991年5, 6月份的PWV时序图。

图 8

图 8. 1991年5—6月上海地区PWV的P, Q, R时序图 (a) 与天气状况 (b) Fig 8. The time serial chart of P, Q, R of PWV (a) and the variation of weather elements (b) in Shanghai from May to June, 1991

图 8b是1991年5—6月的天气信息。从图中可以清楚地看到, 无论是从温度还是降水的角度来看, 将5月19日定为入梅日都是非常恰当的。5月19日前后副热带高压脊线纬度位于18°~20°N, 已经满足了入梅的条件, 应该将5月19日定为这一年的入梅日。这样, 1991年是历史上最早入梅的一年, 这一年梅雨持续的时间也很长, 降水量特别大, 是历史上罕见的梅雨涝年。

前面用探空资料计算出的PWV资料来对1980—2000年这21年的入梅时间进行诊断分析, 发现大部分PWV诊断出的入梅日与上海中心气象台原定的入梅日并无太大差别, 但也有几年相差较大。仔细分析天气形势以后并参照入梅的标准, 认为, 用PWV诊断的入梅日比原定的入梅日更合理, 因此, 在今后确定入梅日期时, 可作为一个重要的诊断依据。

长江下游的气象台预报2006年入梅日期是不同的, 有的预报为6月13—14日, 有的预报为6月22日, 相差比较大。对2006年6—7月的GPS/PWV资料进行了分析, 采用上述诊断入梅方法, 得到6月22日定为2006年入梅日更合理些。在6月13—14日和22日GPS/PWV的日平均资料P序列及其5 d滑动平均Q序列有急升, 并超过40 mm, 滑动平均的差值R分别达到峰值 (27.577 mm和22.586 mm)(图略)。不同的是22日后5 d滑动平均Q稳定在40 mm以上, 而14日后仅3 d超过40 mm, 19—21日Q值在40 mm以下。分析天气形势发现14—17日在长江下游的降雨是由高空低槽引起的, 为东北西南向雨带 (图略)。18—21日为晴好天气。22日开始在江淮流域有切变静止锋形成, 雨带呈东西向 (图略)。受其影响, 上海连续10 d出现了阵雨或雷阵雨天气, 局部出现大到暴雨, 气温高、湿度大, 梅雨的特征比较明显。

1) 大气中水汽的变化不仅能用于反映天气变化的信息, 也能反映出季节转换的特征。GPS网提供的高时空密度的大气中水汽总量资料 (GPS/PWV) 可以反映出入梅时大气中水汽含量的季节性变化。

2) 用GPS/PWV的序列变化可以诊断入梅日期, 其方法为:GPS/PWV的日平均资料P序列及其5 d滑动平均Q序列有急升, 并超过40 mm; 在满足前面条件的日期前5 d滑动平均Q稳定在40 mm以下, 只是偶尔几次会超过40 mm; 在入梅日后Q值稳定在40 mm以上, 低于40 mm的日子也很偶然; 在该日附近几天内, 滑动平均的差值R有一个峰值, 超过20 mm。如果在GPS/PWV的变化同时满足上述条件, 可认为该日为入梅日期。

3)21年历史资料的验证表明, 用PWV的序列变化诊断入梅日期的方法是有效的, 比传统的用雨日和温度特征诊断入梅日期的方法有其优越性。

4)2006年用PWV的序列变化诊断入梅日期的方法, 对确定入梅日期有较好的参考价值。

5) 副热带高压北跳直接导致了大气中的水汽增加, 有利于梅雨锋的建立。