Plateau Meteorology

Plateau Meteorology >

2025 , Vol. 44 >Issue 2: 507 - 520

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00087

High-Resolution Numerical Simulation and Impact Analysis of a Severe Convective Weather Process on the Kunming-Vientiane Route

  • Mei CHEN , 1, 2 ,
  • Xiaohang WEN , 1, 2 ,
  • Aijuan BAI 1, 2 ,
  • Minhong SONG 1, 2
Expand
  • 1. Yunnan R&D Institute of Natural Disaster on Chengdu University of Information Technology，Kunming 650034，Yunnan，China
  • 2. College of Atmospheric Sciences，Chengdu University of Information Technology / Sichuan Key Laboratory of Plateau Atmosphere and Environment，Chengdu 610225，Sichuan，China

Received date: 2023-03-29

  Revised date: 2023-11-02

  Online published: 2023-11-02

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

Abstract

During March 23 and March 26， 2020， an area along the international route from Kunming， Yunnan to Vientiane， Laos experienced severe weather conditions including hail， thunderstorm winds， and heavy precipitation.A severe convective weather process was simulated using the mesoscale numerical model WRFV4.2 （Weather Research and Forecasting Model） and FNL （Final Operational Global Analysis） data from the National Centers for Environmental Prediction （NCEP）.Hourly weather station data from the China Meteorological Administration was used to check the reliability of the simulation.Furthermore， a diagnostic analysis of various physical quantities output from the WRF model was performed to provide an aviation safety reference for the Kunming-Laos Vientiane route in Yunnan.The results show that： （1） the WRF model can better simulate temperature and precipitable water， but the simulated values of the near-surface wind field are large during the daytime.（2） The simulated output physical quantity field of the simulation can indicate the time and location of severe convective weather， which has certain spatial and temporal forecasting and warning functions and can be used to judge the impact of severe convective weather on flight and the degree of impact according to it.（3） The severe convection was mainly caused by the eastward movement of the Southern Branch Trough， with dry and cold air in the upper levels superimposed on the warm and moist air forming an unstable structure， triggered by the surface convergence lines.Convective available potential energy （CAPE） in the route area is large， and the water vapor conditions are abundant-the rising motion and sinking motion alternate below 9 km altitude， which can cause turbulence during flights.Additionally， the 0 ℃ layer is located at an altitude of about 3 km， which can cause ice to form on the airframe or encounter hail weather， causing a certain impact on flight safety.

Key words： Kunming-Vientiane route; WRF model; strong convection; CAPE; aviation meteorology

Cite this article

Mei CHEN , Xiaohang WEN , Aijuan BAI , Minhong SONG . High-Resolution Numerical Simulation and Impact Analysis of a Severe Convective Weather Process on the Kunming-Vientiane Route[J]. Plateau Meteorology, 2025 , 44(2) : 507 -520 . DOI: 10.7522/j.issn.1000-0534.2023.00087

1 引言

航空气象最初以经验性预报为主， 现在已逐步转向综合运用多项技术手段相结合的预报模式， 如集合预报、 模式预报以及人工智能等， 在预报的客观性、 精确性上实现了历史性的跨越（王峰云和张小兵， 2021）。许多学者在数值模式的基础上， 通过多种技术途径， 如提高模式分辨率和引进AVM（Aviation Model）技术等， 提高模式的预报能力实现对机场附近风场的模拟从而改善了机场附近的风场预测， 保障机场附近的飞机操作安全（庄子波等， 2013； Wong et al， 2013； Díaz-Fernández et al， 2022）。或者利用WRF模型输出变量发展了定量化预报或预测方法， 更好地为航空气象服务（王凯等， 2015； Huang et al， 2022）。也有学者利用WRF模式模拟航线遭遇的安全事故， 分析事故发生的原因以后规避相似事故提供参考（Someshwar et al， 2022）。针对强对流， 学者们也基于数值模拟开展了大量的研究（吴海英等， 2021； 杨静等， 2023）。可见， 在航空气象中加入数值模式， 可以提高气象预报的准确性和实用性， 有利于运行航空过程中的及时决策， 从而改善航空气象服务， 提高飞行的安全性。
强对流天气由中小尺度对流系统引发， 一般伴随着冰雹、 雷暴、 大风、 短时强降水等灾害性天气， 其具有时空尺度小、 突发性强、 致灾严重等特征， 强对流天气预报预警一直是世界性难点（田付友等， 2022）。对飞行安全造成影响的航空气象灾害主要为大风、 颠簸、 雷暴、 结冰等（姚云果， 2019； 王明等， 2021）。故此， 强对流天气产生的恶劣环境对航空飞行的影响不可小觑。在对流云体中有着强烈的上升气流和下沉气流， 可对飞机造成强烈颠簸； 在云体内存在过冷水滴， 其通过凝华和冻结作用使机身出现结冰现象， 影响飞机的空气动力性能； 雷暴的放电现象能击坏飞机上的设备仪器， 危及飞行安全（虎琳春， 2017； 顾战雄等， 2022）。其带来的短时强降水可导致着陆时能见度降低造成接地不良， 严重时可使飞机的发动机熄火， 破坏飞机的空气动力， 导致重大事故发生（聂颖等， 2020； 庞玉莹， 2021）。强对流天气还能引起危险的风切变和下击暴流现象， 都与风速和风向的突然变化有关， 是一些重大飞机坠毁的主要原因（Nechaj et al， 2019）。
目前探空资料的时间分辨率较低， 一般情况下无法实时分析强对流天气。此外， 雷达难以捕捉尺度较小的强对流系统， 且单站雷达存在雷达盲区。受观测手段和气象资料的限制， 针对高原低纬地区强对流天气的研究尚没有全面认识。高原低纬地区地形复杂， 区域天气也复杂多变， 易造成晴空湍流和颠簸， 导致飞机低于复飞高度， 威胁飞行安全。传统天气预报业务无特定需求服务， 民航系统预报只针对机场附近的气象信息， 并无针对航线的预测预报， 但空域的天气复杂多变， 涉及行业之广， 都迫切需要对空域及航线上的气象状况做出精确预测预报。故此， 常规观测资料难以满足航线上的强对流发生发展的精细化预报需求， 需利用高分辨率数值模拟资料并结合常规气象资料， 基于航线对强对流发生发展过程进行剖析， 有利于此后航线气象服务的精细化预报。
基于以上论述， 本文基于高分辨率的WRF模式， 对本次云南昆明至老挝万象国际航线途中的一次强对流过程进行模拟， 对不稳定参数、 水汽条件以及垂直运动特征进行分析， 以期为该国际航线的飞行安全提供一些参考价值。

2 研究区域与方法介绍

2.1　研究区域

云南地处低纬， 位于青藏高原东南侧， 境内的地形地貌复杂， 气象要素在空间分布和时间变化上具有显著差异， 局地强对流天气更为突出。受其影响， 云南地区的发生冰雹、 大风、 短时强降水以及滑坡泥石流等气象灾害及次生灾害频次高， 是中国强对流天气频发区之一（段玮等， 2017； 刘彬等， 2022）。红河州地区属于云南东南部， 处于101.78°E - 104.27°E， 22.43°N -24.75°N， 东侧为滇东高原地区， 西侧为哀牢山区， 北接昆明， 南连越南社会主义共和国， 地势西北高东南低， 在复杂的环流背景与地形条件下， 气候类型多样化， 呈现出独特的亚热带高原季风气候。云南昆明与老挝万象之间的来往航线将从其上空驶过。由于红河州地区地貌复杂， 天气多变， 多大风、 雷暴以及冰雹发生， 易对飞行造成影响。

2.2　 WRF模式介绍

本文采取三重嵌套网格（图1）， 模拟区域嵌套网格参数如表1所示。以美国国家环境预报中心（NCEP）提供的空间分辨率为1°×1°的FNL（Final Operational Global Analysis）再分析数据为模式的初始场， 模拟时间段为2020年3月23日08:00（北京时， 下同）至26日08:00， 每间隔1 h输出一次结果， 参数包括海平面气压、 海表温度、 地形高度、 位势高度、 温度、 风、 垂直运动、 土壤参数、 雪、 混合比等。WRF模式在垂直方向上分为35层， 50 hPa为最顶层的大气压， 低层为地表。本次模拟选择的参数化方案如下： 云微物理方案采用了Thompson方案（Thompson et al， 2008）， 积云参数化方案采取了Tiedtke方案（Tiedtke， 1989）， 长波辐射方案和短波辐射方案均采用RRTMG方案（Iacono et al， 2008）， 边界层方案采用MYJ方案（Janjic， 1994）， 近地面过程方案采取Monin-Obukhov方案（Janjic， 1994）， 陆面过程方案分别采用Noah 方案（Tewari et al， 2004）和CLM方案（Lawrence et al， 2011）。文中涉及的地图是基于自然资源部标准地图服务网站下载的审图号为GS（2019）1822号的中国地图制作， 底图无修改。
图1 研究区域

Fig.1 Study area

表1 模拟区域嵌套网格参数

Table 1 Parameters of nested grids in the simulation area

网格域 中心经纬度 格点数 积分步长 水平分辨率
1 23.99°N， 103.37°E 100 × 100 45 s 9 km
2 23.99°N， 103.37°E 148 × 148 15 s 3 km
3 23.99°N， 103.37°E 286 × 286 5 s 1 km
为验证模拟结果的可靠性， 观测资料选用来自中国气象局逐小时气象站的站点资料。在研究区域选取12个气象台站， 分别为弥勒、 泸西、 石屏、 建水、 红河、 元阳、 绿春、 开远、 个旧、 蒙自、 屏边、 金平， 如图1所示。利用标准化平均偏差（NMB）、 均方根误差（RMSE）、 一致性指数（IOA）以及皮尔逊相关系数（R）对模拟结果进行评估。
N M B = ∑ i = 1 N C m i - C 0 i ∑ i = 1 N C 0 i × 100 %
R M S E = ∑ i = 1 N ( C m i - C 0 i ) 2 N
I O A = 1 - ∑ i = 1 N ( C m i - C 0 i ) 2 ∑ i = 1 N C m i - C 0 i ¯ + C 0 i - C 0 i ¯ 2
R = ∑ i = 1 N C m i - C m i ¯ C 0 i - C 0 i ¯ ∑ i = 1 N C m i - C m i ¯ 2 ∑ i = 1 N C 0 i - C 0 i ¯ 2
式中： C m i表示模拟值； C 0 i表示实况值； C m i ¯表示模拟值的均值； C 0 i ¯表示实况值的均值。当NMB、 RMSE的值越趋近于0， IOA值越趋近1， 模式的模拟效果越佳， R的绝对值越大说明变量间的相关性越强。

2.3　实例介绍

2020年3月24日08:00 500 hPa亚洲大陆中高纬地区表现为两槽一脊的环流形势， 之后青藏高原南支槽东移加强， 西北地区高空槽发展加深并东移， 引导冷空气南下， 进入云南上空［图2（a）］。700 hPa槽前西南暖湿气流把孟加拉湾的水汽向云南上空输送， 为此次强对流天气过程带的发生提供了充沛的水汽输送和能量条件， 且上冷下暖的配置有利于建立不稳定层结［图2（b）］。且在地面天气图上（图略）， 云南东北部到西南部存在一条地面辐合线， 红河位于该辐合线东南侧。强对流天气在辐合线处触发之后东移， 继续影响云南红河。受南支槽影响以及地面辐合线作用， 本次强对流过程以冰雹和雷暴大风为主并伴有局地短时强降水， 波及全州13个县市， 造成11.8万余人受灾， 其中金平县四千余人受灾， 经济损失高达1.07亿元， 房屋损坏7256间（韩迁立等， 2021）。此次强对流天气可能会引发飞机颠簸、 飞机结冰或能见度降低等影响， 从而导致航班延误或取消。
图2 2020年3月24日08:00 500 hPa （a）和700 hPa （b）位势高度场（蓝色等值线， 单位： dagpm）和风场（矢量， 单位： m·s-1）分布

Fig.2 Height field （blue contour， unit： dagpm） and wind field （vector， unit： m·s-1） at 500 hPa （a） and 700 hPa （b） at 08:00 on 24 March 2020

3 模拟结果及分析

3.1　模拟结果可靠性分析

3.1.1　风速分析

据图3（a）分析， 两种模拟方案得到的12个站点的平均风速模拟结果与实际观测值的趋势相似， 平均风速在时间上有着明显的波动起伏变化特征， 白天风速大夜间风速小， 峰值在每日14:00前后， 模拟值的波动强于观测值。观测值与两种方案得到的模拟值进行线性回归［图3（b）， （c）］显示， Noah方案和CLM方案得到的相关系数R分别为0.76和0.69。二者的NMB值均为正值， 表明模拟值均高于实际观测值。Noah方案与观测值之间的RMSE和IOA分别为2.42 m·s-1和0.42， CLM方案的RMSE和IOA则分别为2.21 m·s-1和0.47。可知CLM方案得到风速模拟值略好。
图3 12个站点的10 m平均风速的实际观测值与两种模拟方案得到的模拟结果（a）， Noah方案（b）和CLM方案（c）模拟的10 m风速散点分布及线性回归

Fig.3 Practical observations of 10-m mean wind speed at 12 stations and simulation results obtained by two simulation schemes （a）， scattered and linear regression of 10-meter wind speed simulated by Noah's scheme （b） and CLM's scheme （c）

图4（a）和（b）分别是昆明站和蒙自站的平均风速廓线。两个站点的风速基本上随高度的增加而增加， 两种方案的模拟值相差不大， 但模拟值与实际探空数据仍然存在误差。昆明站低层的风速模拟误差明显较大， 可能是受下垫面影响的结果； 而蒙自站的模拟效果较好。表2的风速评估指数可以看出， 对于高层风速， 两个方案对两个站点模拟得到的NMB值皆为负值， 模拟值普遍小于观测值。RMSE值均小于3 m·s-1， 一致性指数IOA均在0.6以上， 相关系数R均在0.8以上。对于同一个站点， Noah方案的RMSE值大于CLM方案， Noah方案的IOA值大于CLM方案， Noah方案的相关系数R小于CLM方案。对于低层风速， 两个方案对两个站点模拟得到的NMB值皆为正值， 模拟值普遍大于观测值， 且RMSE值均大于3 m·s-1。在昆明站， 两种方案得到的IOA值均小于0.5， 相关系数也较小并表现为负相关。在蒙自站， 虽然一致性指数IOA超过0.6， 但相关系数R较小。故两个方案对低层风速模拟的误差较大。
图4 2020年3月23日08:00至26日08:00昆明（a）和蒙自（b）平均风速廓线

Fig.4 Mean wind speed profile of Kunming （a） and Mengzi （b） from 08:00 on 23 to 08:00 on 26 March 2020

表2 昆明和蒙自不同方案、 不同气压层的风速评估指数

Table 2 Wind speed assessment indices for Kunming and Mengzi for different schemes and different pressure layers

站点 方案 气压层/hPa NMB/% RMSE/（m·s-1） IOA R
昆明 Noah 500 -10.66 2.70 0.64 0.82
700 40.30 5.82 0.48 -0.17
CLM 500 -8.20 2.62 0.61 0.88
700 38.81 5.66 0.46 -0.13
蒙自 Noah 500 -8.66 2.80 0.80 0.87
700 6.52 3.51 0.76 0.47
CLM 500 -6.30 1.69 0.77 0.96
700 16.30 3.98 0.68 0.57

3.1.2　温度分析

如图5（a）所示， 采取的两种参数化方案得到的12个站点的平均温度与观测值的趋势一致， 峰值均出现在当日的午后， 观测值小于两种方案的模拟值。由图5（b）和（c）， Noah方案的NMB值为14.27%， CLM方案的NMB值为8.09%， 即Noah方案和CLM方案得到的模拟值绝大多数大于观测值。Noah方案的RMSE值和IOA值分别为2.98 ℃和0.59； CLM方案的RMSE值和IOA值分别为1.86 ℃和0.67。两种方案的相关系数R均为0.94。相比之下， CLM方案的模拟效果略好。
图 5 12个站点的2 m平均温度的实际观测值与两种模拟方案得到的模拟结果（a）， Noah方案（b）和CLM方案（c）模拟的2 m温度散点及线性回归

Fig.5 Practical observations of 2-m mean temperature at 12 stations and simulation results obtained by the two simulation schemes （a）， Scattered and linear regression of 2-meter temperature simulated by Noah's scheme （b） and CLM scheme （c）

图6（a）和（b）分别是昆明站和蒙自站的平均温度廓线， 两个站点的温度基本上随高度的增加而减小， 昆明站和蒙自站的两种方案得到的模拟值与实际探空数据基本一致， 温度廓线几乎重叠。表3的温度评估指数可以看出， 对于高层气温， 除CLM方案对蒙自站模拟得到的NMB值为负值， 其余的NMB值为正值， 模拟值绝大多数大于观测值。两个方案的RMSE值均小于2 ℃。对昆明站， 两种方案得到的一致性指数IOA均为0.58， Noah方案和CLM方案得到的相关系数R分别为0.81和0.92。对蒙自站， Noah方案和CLM方案得到的一致性指数IOA分别为0.90和0.88， 相系数R差别不大， 分别为0.66和0.67。对低层温度， 两种陆面方案对昆明站模拟得到的NMB值为分别为0和-3.70%， 而两种陆面方案对蒙自站模拟得到的NMB值分别为4.00%和0。两种方案得到的RMSE值也较小， 均小于1.5 ℃， 一致性指数IOA也较高， 均大于0.70， 相关系数R均大于0.6。两种方案对低层温度的模拟效果较好。
图 6 2020年3月23日08:00至26日08:00昆明（a）和蒙自（b）平均温度廓线

Fig.6 Mean temperature profile of Kunming （a） and Mengzi （b） from 08:00 on 23 to 08:00 on 26 March 2020

表 3 昆明和蒙自不同方案、 不同气压层的温度评估指数

Table 3 Temperature assessment indices for Kunming and Mengzi for different schemes and different pressure layers

站点 方案 气压层/hPa NMB/% RMSE/℃ IOA R
昆明 Noah 500 8.97 1.36 0.58 0.81
700 0.00 1.31 0.72 0.68
CLM 500 5.13 1.07 0.58 0.92
700 -3.70 1.20 0.76 0.70
蒙自 Noah 500 1.27 1.73 0.90 0.66
700 4.00 0.93 0.72 0.74
CLM 500 -5.06 1.77 0.88 0.67
700 0.00 0.93 0.77 0.68
从总体上分析， WRF模式能够较好地对温度进行模拟， 但在对于风速的模拟值偏大， 尤其是午后的近地面风速。两个方案对于近地面和低层的风速模拟偏差较大， 估计与云南红河州地区实际地形和地貌有关， 实际地形起伏较大， 植被类型丰富， 模式低估了地形和地面粗糙度对风速的影响导致风速模拟偏大。

3.2　不稳定参数特征分析

不稳定参数能够指示强对流天气活动的不稳定特征及对流潜势（钱鑫铭， 2019）。对流有效位能CAPE值是一种浮力能， 它表示单位质量的空气块在自由对流高度到平衡高度之间受环境正浮力累积作的功， 即全位能中转化为对流上升运动动能的最大可能值（樊李苗和俞小鼎， 2020）。K指数由温度垂直递减率， 低层水汽条件以及中层水汽饱和程度三部分构成， 故其能够反映大气层结的稳定状况。K指数越大表明此时的大气层结越不稳定， 强对流天气越容易发生发展（刘辉等， 2014）。
利用WRF模式输出结果分析对流有效位能和K指数的时间演变， 从时间演变上看（图7）， 不稳定参数CAPE值和K指数皆反映本次强对流天气主要发生在2020年3月24日08:00至25日18:00。此阶段的CAPE值和K指数较大， 24日08:00 -12:00， CAPE值逐渐增加， 不稳定能量不断集聚。在12:00 CAPE值达到峰值1537.91 J·kg-1， 25日18:00之后， CAPE值和K指数迅速锐减， 此次强对流天气结束。
图 7 2020年3月23日08:00至26日08:00 CAPE与K指数随时间演变关系

Fig.7 Evolution of CAPE and K-index over time from 08:00 on March 23 to 08:00 on March 26， 2020

根据时间演变特点分析强对流天气在24日12:00 -20:00（图8）的空间分布， 本次强对流天气的对流位能大值区在该阶段内主要分布在云南红河州南部， 也可以看出冷空气从西北向东南入侵红河， 与实况冷空气从西北地区的槽后南下至云南上空一致， 冷暖空气在此交汇， 强对流系统在对流位能大值区内发展加强。在12:00［图8（a）］， CAPE大值区随时间范围变广， 中心强度增强， 中心最大值达到2500 J·kg-1［图8（b）~（d）］， 至20:00受地面辐合线影响， 地面气流抬升触发强对流活动， 中心强度开始衰减， 强对流天气发生［图8（e）］。WRF模式输出的两种不稳定参数CAPE和K指数随时间演变在一定程度上能够反映本次强对流天气潜势变化过程， 对流有效位能CAPE值对强对流天气有很好的空间指示预警作用， 为昆明-万象国际航线飞行提供参考。
图8 WRF 模拟的2020年3月24日12:00 -20:00对流有效位能空间分布（单位： J·kg-1）

Fig.8 Spatial distribution of convective effective potential energy simulated by WRF from 12:00 to 20:00 on 24 March 2020.Unit： J·kg-1

3.3　水汽特征分析

可降水量（PW）是指单位面积地区上空的大气柱中的水汽全部冷却、 凝结并以降水的形式降落到地面的降水量（于晓晶等， 2019）。从WRF模式中得到可降水量空间分布（图9）可以看出， 红河州东南部为可降水量大值区， 由西南暖湿气流输送的水汽在云南东南部汇集， 与地形敏感性中的研究一致（赵文宁， 2014）， 表明高原地形对水汽辐合辐散具有一定作用， 为强对流天气的发生提供有利的水汽条件。12:00 -16:00［图9（a）~（c）］， 可降水量大值区范围随时间扩大， 最大值达到42.5 mm， 之后随着强对流天气的发生而迅速减弱［图9（d）~（e）］。PW大值区主要集中在红河河谷地区， 说明河谷地区水汽充沛。结合地形分析， 河谷两侧山体高， 水汽在河谷地区集聚， 为强对流天气提供充分的水汽条件， 说明可降水量集中区域可以很好地预报强对流天气发生位置。昆明-万象航线也可以此为依据， 判断强对流天气对该航线飞行的影响。
图9 WRF 模拟的 2020 年 3 月 24 日12:00 -20:00可降水量空间分布（单位： mm）

Fig.9 Spatial distribution of precipitable water from 12:00 to 20:00 on 24 March 2020 simulated by WRF.Unit： mm

为了研究该强对流天气对云南昆明至老挝万象国际航线的影响， 沿102.87°E对2020年3月24日12:00 -20:00相对湿度做径向垂直剖面图分析。12:00中低层的水汽条件充足， 相对湿度高达90%， 为强对流天气提供充沛的水汽条件［图10（a）］。在14:00相对湿度在上升运动的作用下开始向上突起， 低层的空气温度达到20 ℃以上， 丰富的水汽为本次强对流天气提供了向上的暖湿空气［图10（b）］。23°N-24°N的高湿区是强对流主要发生区， 上升运动剧烈， 80%左右相对湿度的高湿区高达8 km， 之后高湿区高度有所降低， 但90%以上相对湿度的区域横向扩大， 强对流发生区域扩大［图10（c）， （d）］。图10（e）为强对流爆发之后开始减弱阶段， 相对湿度无明显地向上突起， 高层干区向下略微扩大。且从图10可知， 强对流天气发生前和发生时， 云南南部的水汽含量比北部水汽含量大， 低层水汽充沛并向上输送， 再次表明槽前西南暖湿气流为水汽的主要来源， 为本次强对流提供了充沛的水汽。
图10 WRF模拟的2020年3月24日12:00 -20:00沿102.87°E相对湿度（彩色区， 单位： %）、 温度（黑色等值线， 单位： ℃）和地形（黑色阴影， 单位： km）垂直剖面

Fig.10 WRF-simulated vertical profiles of relative humidity （color area， unit： %）， temperature （black contour， unit： °C）， and topography （black shaded， unit： km） along 102.87°E from 12:00 to 20:00 on 24 March 2020

3.4　垂直运动特征分析

垂直速度（单位： m·s-1）是反映大气动力抬升条件的一个重要指标， 风向向下为下沉运动， 天气晴朗， 反之， 风向向上则存在上升运动， 可能会造成降水（王琛和魏鸣， 2020）。本文沿昆明-万象国际航线中心102.87°N作垂直剖面分析。在12:00［图11（a）］， 23°N -23.3°N附近的河谷地区以下沉气流为主， 上升气流较弱， 而24°N -24.8°N存在大范围的上升区域， 有利于对流活动发展。上升运动区域明显扩大并随时间加强， 强对流天气强度加剧［图11（b）~（d）］。20:00［图11（e）］除23°N附近下沉运动的风速较大， 其他地方的风速减小， 上升运动减弱， 强对流天气爆发后逐渐减弱。且据图11分析， 在9 km以下存在下沉运动和上升运动交替出现， 具有较好的动力条件并直观地表现了大气层结不稳定， 利于强对流产生。尤其是在14:00 -18:00［图11（b）~（d）］时下沉运动和上升运动剧烈， 最大上升运动可达到9 km以上， 容易造成飞机颠簸。且由图11可知， 12:00 -20:00， 0 ℃层一直处于3 km左右， 加之水汽充沛， 有利于冰雹的产生， 对飞行造成影响。
图11 WRF模拟的2020年3月24日12:00 -20:00沿102.87°E风场（矢量， 单位： m·s-1）、 温度（彩色区， 单位： ℃）和地形（黑色阴影， 单位： km）垂直剖面

Fig.11 WRF simulated vertical profiles of wind field （vector， unit： m·s-1）， temperature （color area， unit： °C）， and topography （black shaded， unit： km） along 102.87°E from 12:00 to 20:00 on 24 March 2020

4 讨论

关于航空飞行复杂天气已有研究大多数是从机场附近的气象状况出发， 这对于机场附近的航线是有利的， 但对于航线的气象服务保障能力较弱。当航线距离较长， 航班在飞行途中逐渐远离机场， 基于机场做出预测的准确度降低。本文基于昆明-万象航线出发， 对此次强对流天气进行区域模拟， 再进一步分析此次强对流对该航线可能造成的影响。但本文只是选取了一条航路和一次强对流天气过程进行分析， 没有考虑到本次强对流天气过程是否同时影响多条航路， 故不能表示统筹兼顾区域内多航线， 这是后续需要改进的地方。此外， 两个方案对于近地面和低层风速模拟偏差较大， 估计与云南红河州地区实际地形和地貌有关， 实际地形起伏较大， 植被类型丰富， 模式低估了地形和地面粗糙度对风速的影响导致风速模拟偏大。

5 结论

基于中尺度WRF模式对2020年3月23日08:00至26日08:00昆明-万象国际航线途经地区发生的一次强对流天气过程进行模拟， 并与观测资料进行对比， 分析数值模拟的可靠性。且通过对模拟结果的不稳定能量、 水汽以及动力条件进行分析， 得到以下主要结论：
（1） WRF模式对此次强对流有较强的模拟能力， 能够较好地模拟气温、 可降水量等要素， 但在白天期间近地面风场的模拟值偏大。
（2） 不稳定能量方面， CAPE值和K指数皆反映强对流天气主要发生时间与实际的强对流天气发生时间一致， 可以反映强对流天气的热力条件。CAPE值直观地表明强对流天气发生区域， 其值的增加和减弱对于强对流天气的强度具有预报预警作用， 航线可根据其判断强对流天气对飞行的影响以及影响程度。
（3） WRF模拟的可降水量PW空间分布与CAPE一致， 也具有强对流空间指示作用。且可降水量和相对湿度均表明研究区域的水汽充沛， 槽前西南暖湿气流为强对流天气提供了良好的水汽条件。垂直运动方面， 9 km高度以下上升、 下沉运动较为复杂， 上升运动与下沉运动交替出现， 直接地表现该区域的层结不稳定， 对于途经该区域的航班容易造成颠簸。
（4） 此次强对流过程是在南支槽东移过程中， 高层的西北气流引导冷空气南下， 与中低层暖湿西南气流交汇， 形成了“上干冷， 下暖湿”的垂直不稳定结构， 被地面辐合线触发而引起的。该区域的不稳定能量大， 水汽丰富， 上升气流明显， 为大范围强对流天气的发生提供了有利条件。且0 ℃层位于3 km左右的高度， 昆明-万象航线途经该区域时容易造成机身覆冰或遭遇冰雹天气。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Díaz-Fernández J， Bolgiani P， Santos-Muñoz D， et al， 2022.Comparison of the WRF and HARMONIE models ability for mountain wave warnings［J］.Atmospheric Research， 265： 105890.DOI： 10.1016/j.atmosres.2021.105890 .

Huang H B， Lin C Y， Chen Y Q， 2022.Sensitivity analysis of weather research and forecasting （WRF） model output variables to the thunderstorm lifecycle and its application［J］.Natural Hazards， 114（2）： 1967-1983.DOI： 10.1007/s11069-022-05455-z .

Iacono M J， Delamere J S， Mlawer E J， et al， 2008.Radiative forcing by long-lived greenhouse gases： calculations with the AER radiative transfer models［J］.Journal of Geophysical Research-Atmospheres， 113（D13）： D13103.DOI： 10.1029/2008JD009944 .

Janjic Z I， 1994.The step-mountain eta coordinate model： Further developments of the convection， viscous sublayer， and turbulence closure scheme［J］.Monthly Weather Review， 122（5）： 927-945.DOI： https： //doi.org/10.1175/1520-0493（1994）122<0927： TSMECM> 2.0.CO； 2 .

Lawrence D M， Oleson K W， Flanner M G， et al， 2011.Parameterization improvements and functional and structural advances in version 4 of the community land model［J］.Journal of Advances in Modeling Earth Systems， 3（1）： M03001.DOI： 10.1029/2011MS00045 .

Nechaj P， Gaál L， Bartok J， et al， 2019.Monitoring of low-level wind shear by ground-based 3D Lidar for increased flight safety， protection of human lives and health［J］.International Journal of Environmental Research and Public Health， 16（22）： 4584.DOI： 10.3390/ijerph16224584 .

Someshwar D， Gitesh W， Panda S K， 2022.Numerical simulation of a Clear Air Turbulence （CAT） event over Northern India using WRF modeling system［J］.Natural Hazards， 114（3）： 2605-2631.DOI： 10.1007/s11069-022-05481-x .

Tewari M， Chen F， Wang W， et al， 2004.Implementation and verification of the unified Noah land-surface model in the WRF model［C］//Proceedings of the 20th Conference on Weather Analysis and Forecasting/16th Conference on Numerical Weather Prediction.Seattle： American Meteorological Society.

Thompson G， Field P R， Rasmussen R M， et al， 2008.Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.Part II： implementation of a new snow parameterization［J］.Monthly Weather Review， 136（12）： 5095-5115.DOI： 10. 1175/2008MWR2387.1 .

Tiedtke M， 1989.A comprehensive mass flux scheme for cumulus parameterization in large-scale models［J］.Monthly Weather Review， 117（8）： 1779-1800.DOI： 10.1175/1520-0493（1989）117<1779： ACMFSF>2.0.CO； 2 .

Wong W K， Lau C S， Chan P W， 2013.Aviation model： a fine-scale numerical weather prediction system for aviation applications at the Hong Kong International Airport［J］.Advances in Meteorology， Pt.1： 1-11.DOI： 10.1155/2013/532475 .

段玮， 胡娟， 赵宁坤， 等， 2017.云南冰雹灾害气候特征及其变化［J］.灾害学， 32（2）： 90-96.DOI： 10.3969/j.issn.1000-811X. 2017.02.016.Duan W ，

Hu J， Zhao N K， et al， 2017.Climatic characteristics and changes of hail disasters in Yunnan［J］.Journal of Catastrophology， 32（2）： 90-96.DOI： 10.3969/j.issn.1000-811X.2017.02.016 .

樊李苗， 俞小鼎， 2020.杭州地区夏季午后雷暴大风环境条件分析［J］.气象， 46（12）： 1621-1632.DOI： 10.7519/j.issn. 10000526.2020.12.009.Fan L M ，

Yu X D， 2020.Analysis on the environment conditions of afternoon thunderstorm in Hangzhou［J］.Meteorological Monthly， 46（12）： 1621-1632.DOI： 10.7519/j.issn.10000526.2020.12.009 .

顾战雄， 沈洪标， 王鹤饶， 2022.不同气象条件对航班飞行的要求及影响［J］.科技风（36）： 82-84.

Gu Z X， Shen H B， Wang H R， 2022.Requirements and effects of different meteorological conditions on flight［J］.Science and technology style （36）： 82-84.

韩迁立， 朱府鸿， 郑皎， 2021.云南红河一次春季超级单体风暴强对流天气特征分析［J］.云南地理环境研究， 33（4）： 48-55+2.DOI： 10.3969/j.issn.1001-7852.2021.04.009.Han Q L ，

Zhu F H， Zheng J， 2021.analysis of convective weather case characteristics of a spring super cell storm in Honghe prefecture Yunnan province［J］.Yunnan Geographic Environment Research， 33（4）： 48-55+2.DOI： 10.3969/j.issn.1001-7852.2021.04.009 .

虎琳春， 2017.文山地区降水对文山机场航班的影响分析［J］.科技风（24）： 117+135.

Hu L C， 2017.Analysis of the influence of precipitation on flights at Wenshan Airport in Wenshan area［J］.Science and technology style （24）： 117+135.

刘彬， 邹灵宇， 李晓鹏， 等， 2022.云南雷暴大风天气的环境条件特征分析［J］.气象， 48（11）： 1402-1417.DOI： 10.7519/j.issn.1000-0526.2022.071502.Liu B ，

Zou L Y， Li X P， et al， 2022.Analysis on environmental characteristics of thunderstorm gales in Yunnan［J］.Meteorological Monthly， 48（11）： 1402-1417.DOI： 10.7519/j.issn.1000-0526.2022.071502 .

刘辉， 寿亦萱， 漆成莉， 2014.高光谱大气红外探测仪（AIRS）反演大气不稳定度指数在强对流天气个例中的应用试验［J］.气象， 40（6）： 678-686.DOI： 10.7519/j.issn.1000-0526.2014.06. 004.Liu H ，

Shou Y X， Qi C L.2014.Application experiment of instability index retrieved with Hyper-Spectral Atmospheric Infrared Sounding （AIRS） data in severe convective weather case［J］.Meteorological Monthly， 40（6）： 678-686.DOI： 10.7519/j.issn. 1000-0526.2014.06.004 .

聂颖， 佘星源， 张军， 等， 2020.2017年6月10日南京机场强降水过程对航空飞行影响分析［J］.气象科学， 40（4）： 554-559.DOI： 10.3969/2018jms.0083.Nie Y ，

She X Y， Zhang J， et al， 2020.Effects analysis of strong precipitation process in Nanjing airport on aviation flight on June 10， 2017［J］.Journal of the Meteorological Sciences， 40（4）： 554-559.DOI： 10.3969/2018jms.0083 .

庞玉莹， 2021.成都双流机场降水天气统计分析［J］.科技创新与应用， 11（15）： 62-65+68.

Pang Y Y， 2021.Statistical analysis of precipitation weather in Chengdu Shuangliu Airport［J］.Technology Innovation and Application， 11（15）： 62-65+68.

钱鑫铭， 2019.基于WRF电耦合模式对四川盆地雷暴天气数值模拟分析［D］.成都： 成都信息工程大学.Qian X M， 2019.Numerical simulation of thunderstorm weather in Sichuan Basin based on WRF electrical coupling model［D］.Chengdu： Chengdu University of Information Technology.

田付友， 张小玲， 曹艳察， 等， 2022.中国中低海拔地区三类强对流天气环境条件的基本气候特征［J］.高原气象， 41（6）： 14461459.DOI： 10.7522/j.issn.1000-0534.2021.00108.Tian F Y ，

Zhang X L， Cai Y C， et al， 2022.Baseline climatology of environmental parameters for three severe convective weather phenomena over middle-low areas of China［J］.Plateau Meteorology， 41（6）： 14461459.DOI： 10.7522/j.issn.1000-0534.2021. 00108 .

王琛， 魏鸣， 2020.江苏一次飑线初生的诊断分析与数值模拟［J］.科学技术与工程， 20（2）： 481-488.DOI： 10.3969/j.issn. 16711815.2020.02.008.Wang C ，

Wei M， 2020.Diagnostic analysis and numerical simulation for the birth of squall line in Jiangsu［J］.Science Technology and Engineering， 20（2）： 481-488.DOI： 10.3969/j.issn.16711815.2020.02.008 .

王峰云， 张小兵， 2021.民航气象技术进步与创新发展［J］.气象科技进展， 11（3）： 189-193.DOI： 10.3969/j.issn.2095-1973. 2021.03.023.Wang F Y ，

Zhang X B， 2021.Advances in Civil Aviation Meteorological Service［J］.Advances in Meteorological Science and Technology， 11（3）： 189-193.DOI： 10. 3969/j.issn.2095-1973.2021.03.023 .

王凯， 李静， 达布希拉图， 2015.利用WRF模式实现风切变要素的模拟与验证［J］.河南科技（21）： 74-75.DOI： 10.3969/j.issn.1003-5168.2015.21.051.Wang K ，

Li J， Dabu X L T， 2015.WRF model is used to simulate and verify wind shear elements［J］.Henan Science and Technology（21）： 74-75.DOI： 10.3969/j.issn.1003-5168.2015.21.051 .

王明， 陈正洪， 陈英英， 等， 2021.颠簸、积冰、雷暴三种航空气象灾害预报方法综述［J］.民航学报， 5（4）： 90-94.DOI： 10.3969/j.issn.2096-4994.2021.04.020.Wang M ，

Chen Z H， Chen Y Y， et al， 2021.Summary of forecast methods for three aviation meteorological disasters： turbulence， ice accumulation and thunderstorm［J］.Journal of Civil Aviation， 5（4）： 90-94.DOI： 10.3969/j.issn.2096-4994.2021.04.020 .

吴海英， 曾明剑， 蒋义芳， 等， 2021.一次雹暴过程中对流系统演变特征的模拟分析［J］.高原气象， 40（3）： 569-579.DOI： 10. 7522/j.issn.1000-0534.2020.00016.Wu H Y ，

Zeng M J， Jiang Y F， et al， 2021.Simulation analysis of evolution characteristics of the convective system during a hail storm course［J］.Plateau Meteorology， 40（3）： 569-579.DOI： 10.7522/j.issn.1000-0534.2020.00016 .

杨静， 姚秀萍， 李彦霖， 等， 2023.云贵高原东北部一次罕见冰雹超级单体结构特征与发展分析［J］.高原气象， 42（2）： 374-385.

DOl： 10.7522/j.issn.1000-0534.2021.00120.Yang J， Yao X P， Li Y L， et al， 2023.Structural characteristics and developmental analysis of the rare hail supercell in the northeast Yunnan-Guizhou Plateau［J］.Plateau Meteorology， 42（2）： 374-385.DOl： 10.7522/j.issn.1000-0534.2021.00120.

姚云果， 2019.影响机场飞行安全的主要气象要素分析［J］.中国标准化（4）： 231-232.DOI： 10.3969/j.issn.1002-5944.2019. 04.104.Yao Y G ， 2019.Analysis of main meteorological factors affecting airport flight safety［J］.China Standardization（4）： 231-232.DOI： 10.3969/j.issn.1002-5944.2019.04.104 .

于晓晶， 唐永兰， 于志翔， 等， 2019.基于地基GPS资料的天山山区夏季大气可降水量特征［J］.气象， 45（12）： 1691-1699.DOI： 10.7519/j.issn.1000-0526.2019.12.006.Yu X J ，

Tang Y L， Yu Z X， et al， 2019.Characteristics of precipitable water vapor over the Tianshan Mountains based on GPS observations［J］.Meteorological Monthly， 45（12）： 1691-1699.DOI： 10.7519/j.issn.1000-0526.2019.12.006 .

赵文宁， 2014.云南东部春季旱涝及水汽资源特征分析［D］.南京： 南京信息工程大学.Zhao W N， 2014.Characteristics of spring drought and flood and water vapor resources in eastern Yunnan Province［D］.Nanjing： Nanjing University of Information Science and Technology.

庄子波， 蒋立辉， 熊兴隆， 2013.机场终端区风场精细结构的数值模拟研究［J］.系统仿真学报， 25（1）： 30-35.DOI： 10.16182/j.cnki.joss.2013.01.002 Zhuang Z B ，

Jiang L H， Xiong X L， 2013.Numerical simulation of wind fine structure around airport terminal area［J］.Journal of System Simulation， 25（1）： 30-35.DOI： 10.16182/j.cnki.joss.2013.01.002 .

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn