1 引言
由于下垫面地形复杂， 山区降水的研究一直是大气科学领域的难点， 其主要原因在于山区地形的动力作用、 云物理作用、 摩擦作用等变量很难在降水预报方程中得到准确的描述（Huang et al， 2018； Jiang， 2003）， 加上降水与地形之间复杂的相互作用在不同情况下差异很大和存在复杂的非线性关系（Sarmadi et al， 2017）。虽然山区远离大部分人类城市生活区， 但持续性山区降水引发的次生灾害（山体滑坡、 泥石流等）足以威胁人类赖以生存的家园。祁连山位于青藏高原东北边缘， 呈西北—东南走向， 是西北地区重要的山系之一， 平均海拔在4000 m以上， 下垫面条件极其复杂。祁连山上空云水资源十分丰富， 其降水和融雪是河西走廊经济带的重要水资源支撑， 也是国家“一带一路”倡仪稳步推进的重要保障， 对祁连山水资源的保护也具有重要现实意义。因此， 研究祁连山地区的降水尤为重要。
目前， 对祁连山地区降水时空分布特征的研究工作已有不少， 包括对降水的气候特征（薛健等， 2021； Wu et al， 2020； 刘和斌等， 2020）、 水汽特征（孙美平等， 2021； 尹宪志， 2020； 朱飙等， 2019）和大气环流背景场特征（张小明等， 2006； 陈少勇等， 2010）的分析， 整体上祁连山地区水汽含量和降水呈现增多趋势。但祁连山地区地形复杂， 加上山区观测资料匮乏以及再分析资料对山区降水的识别可靠性较差（Huai et al， 2021； Zolina et al， 2004）， 使得研究其降水机理相对困难。幸运的是数值模式结果可提供高分辨率的大气物理量信息， 填补山区缺乏的气象资料。山区降水除了受大、 中尺度的天气系统影响外， 还与局地的一些中小尺度动力条件有关。由于青藏高原大地形对西风带的主要动力作用是爬流和绕流（叶笃正和高由禧， 1979）， 因此很多学者从气候的角度出发或利用数值模式结果探讨了许多青藏高原动力作用的问题， 比如张耀存和钱永甫（1999）通过数值模拟试验找到了在夏季青藏高原隆升过程中存在临界高度为1500~2000 m， 姜润等（2021）通过客观定义的绕流指数指出青藏高原绕流异常导致相应中国天气气候的温度和降水异常。金妍和李国平（2021）则从中尺度气象学的角度将900 hPa水平风矢量分解为绕流和爬流， 发现暴雨区主要以爬流运动为主， 爬流产生的垂直上升运动又与雨带的分布紧密相关。以上与地形强迫相关的研究表明爬流和绕流运动是地形作用中极其重要的一部分， 其与地形降水的关系密不可分， 而祁连山地区降水缺乏与此相关的研究。
地形作用在降水过程中扮演着重要角色（Maussion et al， 2011； Sarmadi et al， 2019）。尽管近年来， 统计分析祁连山降水时空分布特征的研究逐年增多， 但针对地形作用在祁连山地区开展的数值模拟研究成果相对较少， 段海霞和刘新伟（2008）对2002年7月12日的山区降水过程做了微物理参数化方案的敏感试验， 结果发现云微物理过程是通过影响动力条件发生发展的时间和强度来影响降水的。黄波（2012）通过WRF（The Weather Research and Forecasting Model）模式探究了动力因子对降水分布的影响， 结果发现祁连山山区的大气层结不稳定更易触发对流。邵元亭等（2013）利用ARPS中尺度数值模式模拟了2007年9月一次低涡系统影响下的地形降水， 结果发现祁连山云系降水的主要动力机制为： 北坡陡峭地形。但以上的数值模拟研究都未系统地分析祁连山地区降水的机理， 特别是迎风坡降水。本文将选取2019年7月28日的降水个例， 针对诸多地形影响降水因素中的迎风坡， 利用WRF模式模拟并结合动力诊断的方法系统地探究祁连山地区降水的形成机理， 这可加深对山区降水形成机制的理解和为提高降水预测准确率提供科学参考。
2 资料选取和方法介绍
2.1 资料选取
本文采用中尺度天气预报数值模式WRF（V4.0）模拟降水， 使用美国国家环境预报中心（National centers for environmental prediction， NCEP）/美国国家大气研究中心（National center for atmospheric research， NCAR）提供的FNL（Final operational global analysis）再分析资料作为驱动WRF模式的初始场， 其时间间隔为6 h， 空间分辨率为1°×1°。描述降水实况使用的是甘肃省和青海省共210个区域站的逐小时观测资料。检验WRF模式风场模拟效果采用的是来自欧洲中期天气预报中心的ERA5风场数据， 其时间间隔为1 h， 空间分辨率为0.25°×0.25°。检验WRF模式降水模拟效果使用的是中国气象局国家气象信息中心陆面数据同化系统CLDAS-V2.0大气驱动场中的格点降水数据， 其时间分辨率为1 h， 空间分辨率为0.0625°×0.0625°。分析WRF模拟结果所使用的地形数据是由2 min分辨率的MODIS静态地形数据经WRF插值（d02）处理得来的， 其水平分辨率为6 km。文中涉及的地图是国家信息中心提供的审图号为GS（2019）1822号的标准地图绘制， 底图无修改。
2.2 WRF模式
本次个例模拟时间是2019年7月28日00:00（世界时， 下同）至29日00:00， 模拟区域中心位于（35°N， 100°E）。采用两重网格嵌套进行模拟（图1 ）， 两重网格的格点数分别为194×135（d01）、 148×124（d02）， 对应的水平分辨率分别为18 km、 6 km； 其中第一重网格包括整个中国西部地区， 第二重网格包含整个祁连山地区。垂直方向上分为不等间距的33层， 顶层气压为50 hPa。模拟使用Noah陆面过程方案（Tewari et al， 2004）、 YSU（Hong et al， 2006）边界层方案和与之对应的MM5 Monin-Obukhov（Jiménez et al， 2012）近地面层方案、 RRTM（Mlawe et al， 1997）长波方案和Dudhia（Dudhia， 1989）短波方案， 每重嵌套都使用相同的方案。前人的研究表明， 对中尺度降水模拟影响最大是湿物理过程（张大林， 1998）： 积云参数化过程和微物理过程， 经过测试本文模拟时两重嵌套均不用积云参数化方案， 微物理过程均采用WMS 5（Hong et al， 2004）方案。更加详细的参数设置见表1 。
图1 WRF模式嵌套网格和地形高度（阴影， 单位： m）Fig.1 WRF mode nested grid and terrain height （shaded， unit： m） |
表1 数值模拟的详细参数设置Table 1 Detailed parameter setting of numerical simulation |
| 参数 | 设置（d01、 d02） | 解释 |
|---|---|---|
| 启动时间 | 27_12（UTC）、 28_00 | |
| 网格分辨率 | 18、 6 km | |
| 时间积分步长 | 54 s | |
| 微物理过程 | mp_physics=4 | WSM 5-class 方案 |
| 积云过程 | cu_physics=0 | 未使用 |
| 陆面过程 | sf_surface_physics=2 | 统一Noah陆面模型 |
| 边界层 | bl_pbl_physics=1 | YSU 方案 |
| 近地面层 | sf_sfclay_physics=1 | MM5 Monin-Obukhov 方案 |
| 长波 | ra_lw_physics=1 | RRTM 方案 |
| 短波 | ra_sw_physics=1 | Dudhia |
2.3 地形降水机制诊断
在天气分析中， 动力诊断是一种利用各类动力、 热力学方程对大气演变发展规律进行天气学分析的常用手段， 不管是科研还是业务都应用极为广泛。本文将借助WRF模式模拟的高精度结果对一次典型的祁连山降水过程进行动力诊断， 并分析其发生机制。以下是本文使用的地形降水机制诊断方程， 计算式中的偏微分时采用的是中央差分格式。
对于大气对流层中高层， 选取准地转涡度方程来诊断中尺度高空槽系统的发展演变， 计算公式如下：
式中： 为相对（地转）涡度（单位： s-1）； 为行星度（单位： s-1）； 为水平地转风矢量（单位： m·s-1）； vg 为地转经向风（单位： m·s-1）； 本文计算的是方程右边三项， 加和为绝对涡度随时间的变化（单位： s-2）。β的计算公式如下：
式中： Ω为地球自转角速度（单位： rad·s-1）； 为纬度； α为地球半径（单位： m）。
对于大气低层， 参考张耀存和钱永甫（1999）对模式底层风场的分解方案， 本文将模式风场插值到650 hPa， 再将水平风矢量分解为绕流和爬流分量对局地尺度动力条件进行诊断， 爬流和绕流的具体计算公式如下：
式中： zs 为地形高度（单位： m）； 为地形高度梯度； ， ur 、 vr 、 up 、 vp 分别是绕流矢量和爬流矢量的纬向、 经向分量（单位： m·s-1）。绕流分量垂直于地形梯度， 爬流分量平行于地形梯度， 绕流分量不产生垂直运动。
在诊断水汽收支时， 采用如下方程：
式中： g为重力加速度（单位： m·s-2）； q为比湿（单位： g·kg-1）； V 为水平风矢量（单位： m·s-1）； 为P坐标系下的垂直速度（单位： Pa·s-1）； m为水汽凝结量。在本次降水过程中仅计算方程左边三项， 分别为水汽的局地变化项、 水汽通量散度项和水汽的垂直输送项。另外， 由于WRF输出的是直角坐标系下的垂直速度w（单位： m·s-1）， 所以使用如下公式换算成P坐标系下的垂直速度 ：
式中： ρ为空气密度（单位： kg·m-3）， 可以通过干空气的状态方程计算。
对于中尺度层结不稳定度的诊断， 选用理查森数Ri来分析：
式中： 为位温（单位： K）； 为高度（单位： m）； u为纬向风速（单位： m·s-1）。
3 降水实况及WRF模式模拟检验
来自甘肃和青海省内210个地面站降水的2019年7月28日逐小时观测资料显示（代表时刻： 06:00和10:00， 如图2 所示）， 本次降水过程的雨量量级为小到中雨， 局地大雨。降水时段为01:00 -14:00， 01:00 -08:00的降水站点较少且雨量普遍不足10 mm（降水初期）， 在09:00降水迅速增强而后在13:00减弱直至消亡。雨带沿祁连山地形走向（西北—东南）自西向东移动。24 h发生降水的站点超过总站点数的1/3， 为一次区域性降水过程， 最大小时雨强出现在10:00的青海省海东市民和回族土族自治县民和站（36.33°N， 102.83°E）， 为29.1 mm［图2 （b）］。
利用WRF模式对此次降水过程进行了数值模拟， 良好的模拟结果是后续诊断降水机制的基础， 于是分别利用ERA5资料和CLDAS资料对风场和降水场对比检验。需要注意的是， 分析降水场时所描述的3 h累积降水量的时间， 指的是降水发生的开始时刻， 例如7月28日09:00的3 h累积降水为28日09:00 -12:00的累积降水。本文主要检验28日05:00的风场以及05:00、 09:00的降水， 以此评价WRF模式对此次降水过程的模拟效果。
7月28日05:00的风场检验如图3 所示。可以看到祁连山地形在图中清晰可见， 位于青藏高原东北边缘的祁连山地区平均海拔在4000 m以上。在500 hPa上［图3 （a）， （b）］， ERA5和WRF模拟的风场有很强的一致性， 同时在100°E附近均存在明显的槽， 是本次降水的最主要的高空影响系统。在700 hPa上［图3 （c）， （d）］， ERA5和WRF模拟的流场仍然保持较好的一致性， 且在祁连山东侧（103°E附近）， 受地形影响的局地风场弱辐合特征也被捕捉到。11:00 WRF模拟和ERA5的风场特征与05:00相差不大， 不同的是500 hPa上高空槽移到了祁连山东部， 17:00祁连山下游的降水基本消失， 高空影响系统消亡（图略）。说明WRF模式可以很好地模拟出整个降水过程的大气环流背景场。
除了对风场进行检验， 降水场模拟的好坏也是诊断降水机理关键。在我们的研究中， 28日05:00、 09:00的3 h累积降水量被用于检验WRF模式对降水的模拟性能（图4 ）。05:00［图4 （a）， （b）］， 祁连山地区3 h累积降水呈现出与山脉走向接近垂直的东北-西南走向带状特征， 且雨量普遍不足10 mm。09:00［图4 （c）， （d）］， 该带状特征仍然维持， 但雨带主体位于祁连山的东侧， 雨量明显增大； 进入强降水阶段， 降水中心移到了祁连山的下游。对比来看， 虽然WRF模式对降水中心处局地降水的强度模拟偏高， 但整体上可靠性较好。事实上， 在下垫面地形较为复杂的山区， 降水模拟很难准确且模式模拟结果极易偏高（Yáñez-Morroni et al， 2018）。
图4 CLDAS 和WRF模拟的2019年7月28日不同时刻的3 h累积降水（阴影， 单位： mm）和地形高度（等值线， 单位： m）图中青色、 蓝色、 紫色线分别为3200、 4000、 5000 m等值线， 红色线为剖面基线， 虚线框为强降水区 Fig.4 3 h cumulative precipitation （shaded， unit： mm） and terrain height （contour， unit： m） simulated by CLDAS and WRF at different times on 28 July 2019.The contour lines of cyan， blue and purple are 3200， 4000 and 5000 m respectively， the red line is the profile baseline， the dotted box shows the heavy precipitation area |
为了检验整个降水过程强降水区的模拟状况， 本文选取了包括强降水的区域： （34.5°N -36°N， 101°E -103.5°E）［图4 （d）］， 计算CLDAS资料和WRF模拟的降水平均（图5 ）。结果显示CLDAS资料和WRF模拟的较强降水时段均在09:00 -14:00之间， 前者最强降水在12:00（4~5 mm）， 后者最强降水在10:00（5~6 mm）。因此WRF模拟的最强小时雨强出现时刻比CLDAS资料超前2 h， 雨量也有所偏大， 但总体可正确模拟强降水过程。
综上所述， WRF模式可以准确模拟出500 hPa高空槽的位置和强度， 对对流层低层700 hPa风场的局地弱辐合特征也有较好的再现能力。此外， WRF模式可以模拟出05:00 -09:00的降水增强过程， 也较好地再现了雨带的东北-西南走向特征。同时， WRF模式也能正确模拟强降水发生的时段。本文第4、 5、 6部分对降水机制的诊断均使用的是WRF模式模拟结果。
4 高低空系统的诊断
4.1 中尺度高空影响系统
准地转理论是诊断中纬度大尺度和中尺度天气系统发展、 演变的重要基础和主要理论依据， 中纬度大气的很多天气现象都可以用该理论来解释。为了诊断本次降水发生的中尺度环流背景场（高空槽系统）， 本文利用准地转方程组中的涡度方程（公式1 ）计算了400 hPa（考虑祁连山平均海拔4000 m以上， 常规的分析层500 hPa太低）上绝对涡度随时间的变化值（图6 ）。同时， 准地转涡度方程能较好地揭示垂直运动的动力学机理， 而垂直运动又是高空槽系统与下层雨带的联系纽带。
图6 2019年7月28日不同时刻的400 hPa风场（矢量， 单位： m·s-1）、 绝对涡度随时间的变化（红色阴影， 单位： ×10-8 s-2）、 3 h累积降水（绿色打点区域， 降水量大于10 mm）以及地形高度（等值线， 单位： m）的叠加图青色、 蓝色、 紫色分别为3200 m、 4000 m、 5000 m等值线 Fig.6 Superposition of 400 hPa wind （vector， unit： m·s-1）， absolute vorticity varies with time （red colored， unit： ×10-8 s-2）， 3 h cumulative precipitation （green dotted area， precipitation greater than 10 mm） and terrain height （contour， unit： m） at different times on 28 July 2019.The contour lines of cyan， blue and purple are 3200 m， 4000 m and 5000 m respectively |
4.2 低层局地尺度动力条件
祁连山地处青藏高原的东北部， 因而许多对青藏高原的研究方法也同样适用。青藏高原大地形的动力、 热力作用对我国天气、 气候影响深远， 其中对风场影响的主要特征是爬流和绕流（叶笃正和高由禧， 1979）。若是仅有高空槽的影响， 降水带的分布应该是均匀的， 但地面观测和CLDAS资料都出现了局地强降水特征， 那么这种降水不均一的原因是什么呢？本文通过式（3 ）~（6 ）初步分析了地形强迫产生的局地尺度动力条件（爬流和绕流）对降水的影响。由于绕流和爬坡在强降水阶段最为明显， 加上强降水阶段在整个降水过程中极为重要， 于是本文仅给出了28日09:00的爬流和绕流风场（图7 ）。
图7 2019年7月28日09:00的3 h累积降水（彩色区， 单位： mm）、 风场（矢量， 单位： m·s-1）以及地形高度（等值线， 单位： m）青色、 蓝色、 紫色分别为3200 m、 4000 m、 5000 m等值线 Fig.7 3 h cumulative precipitation （colored area， unit： mm）， wind field （vector， unit： m·s-1） and terrain height （contour， unit： m） at 09:00 on 28 July 2019.The contour lines of cyan， blue and purple are 3200 m， 4000 m and 5000 m respectively |
从图7 （a）可以看到， 在650 hPa上， 青藏高原外围及祁连山周边山地的流场具有很明显的绕流和爬坡特征。总体上气流由东西两个方向向降水中心汇聚， 两支气流汇聚有利于降水中心［降水量大于45 mm·（3h）-1）］附近局地涡旋运动的发展， 为降水提供有利的局地环流条件。09:00， 分解后的绕流和爬流风场特征［图7 （b）， （c）］在650 hPa靠近祁连山的区域表现良好； 对比全风速风场特征可以发现， 整体上与全风速风场的流向和强度更为接近的是绕流风场， 结合水汽通量的计算公式可知， 水汽的携带者主要为绕流风场； 另外， 全风速风场在降水中心附近的弱气旋性辐合主要来自绕流风场的贡献， 爬流风场的贡献相对较小。再对比图7 （b）和（c）可知， 绕流较大时， 爬流相对较小， 反之亦然； 同时降水中心处的绕流运动弱于周边， 爬流运动强于周边， 表明爬流运动对强降水区水汽的垂直输送有着重要作用。最后关注到降水特征， 09:00的3 h累积降水带分布几乎与祁连山的西北-东南走向垂直， 降水中心则位于高大山体的迎风坡前。
到此， 我们已经分析了影响此次降水的高低层不同尺度系统： 中—α尺度高空槽提供有利于降水发生的环流条件， 局地尺度绕流、 爬流提供有利于强降水发生的动力条件， 它们的共同影响造就了此次沿祁连山走向移动的雨量不均降水过程。
5 水汽输送和收支
5.1 水汽输送
前一节的分析表明， 降水不均一性与爬流和绕流运动有关。那么影响降水的水汽来自何方呢？本文利用母网格（d01）的WRF输出结果计算了7月28日10:00 700 hPa的水汽通量、 地面到600 hPa水汽通量散度的垂直积分和700 hPa比湿（图8 ）， 以考察水汽的源地和水汽在大气低层辐合辐散情况。从700 hPa比湿不难发现， 在四川盆地存在一个大的比湿区［图8 （b）］， 结合图中700 hPa的水汽通量矢量可知， 此次降水的主要源地为四川盆地， 也有小股来自孟加拉湾和西太平洋的水汽随夏季风达到此地， 但均在此得到显著加强。四川盆地的丰沛水汽再向祁连山东侧的降水中心输送。同时， 从图8 （a）可以看到， 降水中心附近的低层水汽通量散度的垂直积分可达-9 g·m-2·s-1， 表明绕流带来的水汽在大气低层产生了强烈辐合， 并在此前分析的爬流作用下抬升。因此， 此次降水虽然也受夏季风的影响但其最主要的水汽源地为四川盆地。Li et al（2015）指出夏季风水汽可沿青藏高原东部边缘到达祁连山， 和本文得出的结论一致。
图8 2019年7月28日10:00的地面到600 hPa的水汽通量散度的垂直积分（彩色区， 单位： g·m-2·s-1）和700 hPa水汽通量（矢量， 单位： g·s-1·hPa-1·cm-1）（a）， 700 hPa的比湿（彩色区， 单位： g·kg-1）和风场（矢量， 单位： m·s-1）（b）绿色打点区域为降水量大于30 mm 的3 h累积降水， 青色、 蓝色、 紫色线分别为3200 m、 4000 m、 5000 m等值线， 红色框包括了强降水区 Fig.8 The vertical integral of the divergence of water vapor flux from the ground to 600 hPa （colored area， unit： g·m-2·s-1） and 700 hPa water vapor flux （vector， unit： g·s-1·hPa-1·cm-1） （a）， the specific humidity of 700 hPa （colored area， unit： g·kg-1） and wind field （vector， unit： m·s-1） （b） at 10:00 on 28 July 2019.The green dotted area represents 3 hours of accumulated precipitation that is greater than 30 mm.The contour lines of cyan， blue and purple are 3200 m， 4000 m and 5000 m respectively.The red box includes heavy precipitation areas |
为了把握整个过程强降水区的水汽变化， 本文计算了图4 （d）中所选区域的平均逐小时水汽变化（图9 ）。700 hPa的平均比湿从01:00 -09:00是增长过程［图9 （b）］， 09:00平均比湿达到极大值（约13 g·kg-1）， 表明低层不断积累的丰沛水汽极利于强降水的发生； 随着强降水的发生， 低层水汽不断被消耗， 09:00 -12:00为消耗最为明显的时段； 而后降水减小直至消失， 低层水汽含量也趋于平稳。地面到600 hPa的水汽通量散度垂直积分的区域平均从09:00 -12:00是明显的负值［图9 （a）］， 11:00达极小值（约-0.66 g·m-2·s-1）， 表明此时间段内低层水汽的辐合是此次降水过程最强的阶段， 对应强降水时段。
得出水汽源地和强降水区的水汽变化后， 水汽输送到降水区， 地形强迫产生的爬流和绕流运动是如何促进迎风坡前强降水发生的呢？我们计算了图4 （d）中过降水中心剖面上的水汽通量（图10 ）。
图10 2019年7月28日不同时刻过降水中心的剖面上垂直风速（矢量， 单位： m·s-1）、 纬向风风速（矢量， 单位： m·s-1）、 水汽通量（彩色区， 单位： g·s-1·hPa-1·cm-1）以及地形特征（灰色）的叠加红色箭头所指位置为降水中心 Fig.10 Superposition of vertical wind speed （vector， unit： m·s-1）， zonal wind （vector， unit： m·s-1）， water vapor flux （colored area， unit： g·s-1·hPa-1·cm-1） and topographic features （gray） over the precipitation center profile at different times on 28 July 2019.The position indicated by the red arrow is the precipitation center |
分析图10 可以发现， 06:00的水汽虽然也在迎风坡前存在堆积， 但堆积程度明显不如09:00， 且在降水中心（102°E）附近的上升气流非常微弱。09:00的水汽堆积特征十分明显， 且迎风坡前降水中心附近的水汽堆积最为强烈， 强烈堆积的水汽在此前分析的爬流运动的作用下辐合上升。另外， 此前分析的绕流运动将水汽带到高大山体的山脚并堆积， 一方面这部分堆积的水汽在爬流运动的作用下沿地形梯度向迎风坡前的降水中心输送， 另一方面山脚堆积的水汽为水汽沿地形高度的逆梯度输送提供了充足供应。因此， 爬流的主要作用是： 促进水汽沿地形的梯度输送和降水中心附近的上升运动， 绕流的主要作用是： 促进水汽向降水区输送和水汽在迎风坡前的堆积。同时， 降水发生的两个必要条件—水汽和上升运动（朱乾根等， 2000）也得到了满足， 说明地形强迫在强降水过程中起着关键作用， 同样的结论也可在Zolina et al（2004）的研究中找到。值得注意的是， 地形强迫产生的爬流带来的上升运行只是垂直速度的一部分， 还有其他的抬升作用的贡献（金妍和李国平， 2021）。
5.2 水汽收支
前一小节中， 我们分析了绕流、 爬流运动与水汽之间的共同作用对迎风坡降水的重要影响， 除了水汽输送还有水汽收支也是揭示降水机制的重要组成部分（王婧羽等， 2014）， 水汽收支方程公式（7） 的各项可直观地反映出与降水相关的水汽收支状况。计算该方程左边三项可得强降水阶段过降水中心剖面上的水汽变化的垂直分布（图11 ）。
图11 2019年7月28日09:00过降水中心水汽局地变化项（a）水汽通量散度项（b）、 水汽垂直输送项（c）的剖面图（单位： ×10-5 g·cm-2·hPa-1·s-1）灰色阴影为地形， 红色箭头所指位置为降水中心 Fig.11 Local variation term of water vapor （a）， water vapor flux divergence term （b） and vertical transport term of water vapor （c） over the precipitation center profile（×10-5 g·cm-2·hPa-1·s-1） at 09:00 on 28 July 2019.The superposition of topographic characteristics （gray）， the position indicated by the red arrow is the precipitation center |
6 大气层结稳定度
降水发生还与大气层结稳定度密切相关。由于中小尺度对流性垂直运动与大气静力不稳定有关（周小刚等， 2013）， 所以本文利用公式9 计算了图4 （d）所示剖面上表征中尺度层结不稳定性的理查森数Ri （图12 ）。
图12 2019年7月28日不同时刻过降水中心剖面上理查森数Ri （彩色区）、 地形特征（灰色）和3 h累积降水量（绿色线）的叠加图Fig.12 The superposition of Richardson number Ri （colored area）， topographic characteristics （gray） and 3 h cumulative precipitation （green line） over the precipitation center profile at different times on 28 July 2019 |
过降水中心剖面上的理查森数Ri 和降水如图12 所示。从06:00 -09:00是明显的降水增强过程， 剖面上的3 h累积最大降水量从不到30 mm增加到60 mm左右。对比图12 ， 在降水中心（102°E）附近， 大气中低层（500 hPa上下）的理查森数明显减弱（远小于1）， 说明降水初期（06:00）稳定的层结在强降水阶段（09:00）变得极其不稳定， 极易触发强对流， 强对流的触发又会进一步导致迎风坡前降水中心的降水增强。
综上所述， 祁连山地区系统性降水不均一性的原因为： 绕流运动将水汽带到迎风坡前并堆积， 在爬流运动的作用下， 堆积的水汽在降水中心附近辐合上升， 配合对流层中低层层结不稳定性增强， 对流触发使得迎风坡前降水增强。
7 结论
本文针对2019年7月28日一次典型的系统性降水过程进行了数值模拟研究， 首先对模拟结果进行了检验， 再重点诊断分析了高低层不同尺度系统的耦合作用对降水的影响， 最后诊断分析了此次降水的水汽输送、 收支和大气层结不稳定度， 主要得出以下结论：
（1） 本文基于WRF模式模拟结果， 利用动力诊断的方法研究了此次降水形成机制。其中准地转涡度方程对大气中高层的诊断表明： 正绝对涡度随时间变化的大值区位于高空槽的前部， 而槽的位置对雨带具有指示性作用。爬流和绕流方程对大气低层的诊断说明： 强降水阶段绕流（爬流）强、 爬流（绕流）弱； 全风速风场的弱气旋性局地辐合主要来自绕流风场的贡献， 虽然爬流风场对全风速风场的贡献较小， 但它却对水汽的垂直输送起着重要作用。
（2） 水汽的水平和垂直输送诊断表明： 水汽源地主要为四川盆地， 也有部分水汽从孟加拉湾和西太平洋向祁连山地区输送， 但均在四川盆地得到显著加强； 强降水发生前大气低层存在明显的水汽积累过程， 随着强降水的发生， 积累的水汽被不断消耗且在降水中心附近持续辐合。水汽存在明显的沿迎风坡地形堆积特征， 绕流带来的水汽在山脚的堆积为水汽沿地形高度的逆梯度输送提供了充足供应， 堆积的水汽再在降水中心附近辐合上升。水汽在迎风坡前的堆积与绕流运动有关， 而水汽沿地形输送及垂直输送均与爬流运动有关。水汽收支的诊断表明： 与爬流相关的水汽垂直输送在强降水阶段对水汽收支的贡献最大， 水汽的辐合作用次之， 水汽的局地变化作用对水汽收支的影响远不如前两者。
（3） 对大气层结的诊断说明： 当大气动力条件和水汽条件都有利于降水时， 配合对流层中低层层结不稳定性增强， 极易触发强对流进而增强迎风坡前降水中心的降水。
本文基于一次祁连山典型降水过程的WRF数值模拟结果， 系统地探讨了复杂地形条件下祁连山降水的机理为多尺度系统耦合机制， 即： 在高空槽影响下， 配合低层有利的局地环流条件， 导致水汽在迎风坡前堆积， 并通过爬流运动沿地形向上输送， 且堆积的水汽在降水中心附近的对流层低层强烈辐合， 伴随层结不稳定性增强， 对流增强导致迎风坡前出现强降水。本文的结果定性地说明了地形强迫对迎风坡降水的重要影响， 但是仍缺乏绕流和爬坡对于水汽和上升运动影响的定量研究。下一步计划定量估算绕流和爬流对迎风坡降水的作用， 为数值模拟准确率的提高提供更多参考。