文章快速检索     高级检索
  高原气象  2016, Vol. 35 Issue (6): 1498-1511  DOI: 10.7522/j.issn.1000-0534.2016.00070
0

引用本文 [复制中英文]

陈贵川, 吴钲, 谌芸, 等 . 2016. 中低层增温对强降水中涡旋形成的敏感性研究[J]. 高原气象, 35(6): 1498-1511. DOI: 10.7522/j.issn.1000-0534.2016.00070
[复制中文]
CHEN Guichuan, WU Zheng, CHEN Yun, et al . 2016. Sensitivity Study of Middle-low Level Temperature Increase for Mesovortex Formation in a Heavy Rainfall Case[J]. PLATEAU METEOROLOGY, 35(6): 1498-1511. DOI: 10.7522/j.issn.1000-0534.2016.00070.
[复制英文]

资助项目

公益性行业(气象)科研专项(GYHY201406001);中国气象局气象关键技术集成与应用项目(CMAGJ2015M49),中国气象局预报员专项(CMAYBY2013-055)

通讯作者

谌芸.E-mail:chenyun@cma.gov.cn

作者简介

陈贵川(1973-), 男, 重庆万州人, 正高级工程师, 主要从事天气预报、数值模拟研究.E-mail:cgccq@163.com

文章历史

收稿日期: 2016-06-23
定稿日期: 2016-07-15
中低层增温对强降水中涡旋形成的敏感性研究
陈贵川1, 吴钲2, 谌芸3, 李强1, 朱岩1     
1. 重庆市气象台, 重庆 401147;
2. 重庆市气象科学研究所, 重庆 401147;
3. 国家气象中心, 北京 100081
摘要: 2012年7月21日22:00-23:00重庆盘龙出现了180.9 mm·h-1的极端强降水,这在西南低涡暴雨中比较罕见的。通过对雷达资料的分析,发现此次极端强降水过程中有近于中气旋强度的中涡旋形成和发展。为了研究中低层增温对强降水中涡旋形成的作用,利用中尺度数值模式WRF-ARW,结合雷达资料同化的ARPS-3DVAR方法和复杂云分析方案,并对中低层进行中心增温同化敏感性实验,对上述过程中出现的近于中气旋强度的强降水中涡旋进行了数值模拟。结果表明:全球预报系统GFS(Global Forecasting System)预报场同化雷达反射率因子和径向风资料之后,能较好地模拟出西南低涡东侧准线性对流系统(Qusi-Linear Convective System,QLCSs)、强降水落区、强降水中心、盘龙附近的β中尺度气旋式环流以及镶嵌在其中的γ中尺度涡旋(即中涡旋);850 hPa和700 hPa经过中心增温同化后能增强中涡旋的强度,当700 hPa中心增温2℃同化后能模拟出与盘龙附近相似的近于中气旋强度的中涡旋。同时,此次强降水中涡旋形成的机制为中低层异常高的温湿条件导致异常强的对流不稳定性,上升运动快速发展,中低层水汽通量辐合迅速增强,大量水汽凝结并急剧释放潜热,高温高湿气柱随上升运动迅速增长导致增温中心附近位势高度急剧下降,水平位势梯度加大,风速增大,中涡旋迅速发展增强到中气旋的强度。表明中低层垂直风切变偏弱的环境中中低层异常高的温湿条件是形成强上升运动,促进近于中气旋强度的中涡旋形成的重要条件。
关键词: 数值模拟    中心增温同化    西南低涡    中涡旋    中气旋    
1 引言

准线性对流系统(QLCSs),譬如飑线和弓形回波,是目前观测到的对流系统的基本组织形式,经常会产生强降水、 大风、 冰雹、 龙卷等强对流天气(Weisman and Trapp,2003)。研究表明,QLCSs中与上述强对流天气密切相关的γ中尺度系统主要有两种,分别是直径2~40 km的中涡旋(Weisman and Trapp,2003)和直径10 km以下的中气旋(俞小鼎等,2006a)。

国外许多学者(Browning,19621978; Marwitz,1972; Fujita,1978; Forbes and Wakimoto,1983; Wakimoto,1983; Smull and Houze,1987; Moller and Doswell,1994; DeWald and Funk,2000; Miller and Johns,2000)先后研究过中涡旋、 中气旋与强对流天气的关系,其中,Weisman and Trapp(2003)对中涡旋作了模拟分析并比较了中气旋与中涡旋的区别。中国关于中气旋的观测分析(俞小鼎等,2006b2006c2008; 廖玉芳等,2007a、 2007b; 吴木贵等,2013; 戴建华等,2012; 吴芳芳等,2013; 王福侠等,2014; 徐琪等,2015; 张琳娜等,2015)与模拟试验(陈明轩等,2012; 陈宝君等,2012)多集中在中国中东部区域伴随有大风、 冰雹、 龙卷等强对流性天气的超级单体,对中涡旋的研究目前还较少。综合上述,中气旋是超级单体最本质的特征(俞小鼎等,2006a),产生在深层垂直风切变较强条件下,较强垂直风切变产生水平涡度,沿着低层入流的水平涡度进入上升气流后被扭曲为垂直涡度形成中气旋,通常沿环境平均风的右侧30°传播。中涡旋时常会形成于线状对流系统前沿,其机理是线状对流系统前沿以南为暖湿气流,而其后为下沉冷空气,形成水平涡度,而对流系统内的下沉或上升(多为前者)扭曲水平涡度为垂直涡度,有时在尺度、 结构,甚至强度上与通常研究的超级单体中气旋(Supercell Mesocyclone)有相似的可比性(Weisman and Trapp,2003)。同时,一些专家(Weisman and Trapp,2003; 俞小鼎等,2006a)也认为到目前为止,研究还不能够完全去推断中涡旋与中气旋形成的机制或者说理解与强对流的相互关系。

西南区域中西南低涡是主要的天气系统(高守亭,1987; 卢敬华,19861988; 李国平等,1991; 刘晓冉等,2014),也是中国暴雨中仅次于台风的主要影响系统(陶诗言,1980),虽然其造成的强对流和大范围暴雨频发,但是由于西南区域地形复杂,多普勒雷达布网时间较短,目前对中气旋或中涡旋的观测与模拟研究都非常少,尚需从中尺度观测模拟对比分析西南低涡中这些中小尺度系统发展演变的规律特点。

2012年7月2122日,四川东南部与重庆西部出现了一次西南低涡大暴雨过程,其中23:00(北京时,下同)重庆盘龙出现极端小时强降水,达180.9 mm。陈贵川等(2013)曾经分析认为此次极端小时强降水是过程中伴随有深厚中气旋的强降水超级单体风暴持续发展的结果,但目前经过更深入的分析来看,事发时虽然盘龙附近对流有效位能(Cape)高,但环境垂直风切变较弱,低层冷空气侵入明显,强降水多单体在盘龙附近徘徊,没有明显的右移传播,也没有强的地面大风(观测到盘龙及周边的地面最大瞬时风速14 m·s-1),与中气旋形成的条件与发展情况有较大不同,而与中涡旋形成机制接近,因此判断极端小时强降水的原因应该是β中尺度环流中近于中气旋强度的中涡旋持续发展的结果。但是,其中近于中气旋强度的中涡旋发展增强的内在条件是什么,能否模拟其发展增强的过程。在实际天气中,γ中尺度系统范围只有数公里到数十公里,持续时间只有数分钟到数小时,要求数值模拟的背景场准确、 分辨率高、 微物理过程描述恰当,否则很难准确模拟再现实况。目前研究人员多用高分辨率的中尺度数值模式如区域天气模式RAMS(Regional Atmospheric Modeling System)、 高精度积云模式GCE(Goddard Cumulus Ensemble)、 WRF等研究中尺度系统(王秀明等,2009)。文中采用WRF中尺度数值模式进行模拟,结合雷达资料同化的ARPS-3DVAR方法和复杂云分析方案,并通过中心增温同化敏感试验研究中低层弱垂直风切变环境中中低层增温对引发强降水的中涡旋形成的作用,希望能从中分析出中低层弱垂直风切变环境中引发强降水的中涡旋发展增强的内在条件。

2 天气概况

此次过程是“北槽南涡”形势下(陈贵川等,2013),地面冷空气触发,高原涡与西南涡耦合形成的强对流性暴雨天气过程(图 1)。2012年7月21日08:0020:00 200 hPa南压高压东部控制四川盆地,有利于高层强辐散。500 hPa蒙古东部到青藏高原东北部有一东北西南向西风槽,槽的南端有高原涡发展,高原涡移动到四川盆地西部后缓慢南掉,为西南低涡在四川盆地西南部的发展提供了动力条件。21日08:00,700 hPa上西北较强冷空气前的偏北气流与西南风急流在甘肃东部形成切变线。四川盆地东部白天晴好增温,21日20:00,700 hPa偏北风推动切变线压到四川盆地西北部,甘肃武都北风风速达16 m·s-1,温度为9 ℃,四川盆地东部位势梯度减小,西南风低空急流减弱东退,重庆温度为13 ℃,偏南风迅速降至4 m·s-1,武都与重庆的风矢量差与温度差明显,冷暖气流交汇在重庆西部偏西区域并形成西南低涡。850 hPa冷空气比700 hPa移动快,西南低涡形成在重庆西部,东西两侧冷暖空气对比更强烈,西侧的成都偏北风风速27 m·s-1,温度达20 ℃,东侧的重庆偏东风风速6 m·s-1,温度为25 ℃,两者风矢量差的绝对值达25 m·s-1,重庆Cape值达3202 J·Kg-1,K指数达44。将历史同期(19802014年逐年7月1626日)每日8时与20时共770个时次重庆沙坪坝探空资料的Cape值、 K指数、 700 hPa与850 hPa温度从低到高排序,发现2012年7月21日20:00的这些值均位于第99百分位数以上,表明对流不稳定相当强且处于异常状态,但是500 hPa和925 hPa之间的垂直风切变值为1.5×10-3 s-1,相比美国南部平原地区超级单体要求深层垂直风切变值达3.3×10-3 s-1的阈值(俞小鼎等,2008),或者与中国中东部发生超级单体的其它个例比较(戴建华等,2012; 吴芳芳等,2013; 王福侠等,2014; 徐琪等,2015),垂直风切变值偏低,850 hPa和925 hPa之间的低层垂直风切变值为5.1×10-3 s-1,也相对较低,不利于超级单体的形成和组织化。

图 1 2012年7月21日08:00时(a)和20:00(b)强对流性暴雨天气过程综合分析 浅灰色、 中灰色和深灰色阴影区分别表示海拔高度>1500 m、 >3000 m和>4500 m(陈贵川等,2013) Figure 1 Comprehensive analysis of strong convective storm weather process at 08:00(a)and at 20:00(b)on 21 July 2012. The light,middle and dark gray shaded denotes plateau altitude over 1500, 3000 and 4500 metres,respectively(Chen et al,2013)

21日20:00左右四川遂宁和泸州有强对流发展,通过重庆雷达(图 2)可以看出,22:00重庆荣昌西部形成近于弓形的准线性对流系统(QLCSs,图 2a)。22:24,在盘龙附近出现近于中气旋强度的中涡旋(图 2b)。从经过盘龙并与雷达径向垂直的剖面来看(图 2c),中涡旋非常强,强旋转从3 km 高度垂直伸展到7 km以上(由于重庆雷达波束受地形限制,实际上3 km高度以下也应该有强旋转),离开雷达的径向速度最大达19 m·s-1以上,向着雷达的径向速度最大达13 m·s-1以上,平均旋转速度达16 m·s-1以上,中心距离在10 km左右。根据Andra中气旋识别判据示意图(俞小鼎等,2006),盘龙距离重庆雷达站108 km左右,最强旋转速度超16 m·s-1即为中等强度中气旋,因此,盘龙附近中涡旋强度已经达到中等强度中气旋的标准,此中涡旋在盘龙持续徘徊了约40 min,盘龙分钟雨强超2 mm·min-1的时间持续约1 h(陈贵川等,2013),22:29最强分钟雨强达5 mm·min-1,过程中地面最大瞬时风速为14 m·s-1,中涡旋形成的主要强对流天气是强降水,盘龙小时雨强为180.9 mm·h-1,为极端强降水。云顶黑体温度TBB(Black-Body Temperature)资料显示整个对流云团形成MCC(Mesoscale Convective Complex,中尺度对流复合体),中心最低温度达-86 ℃,为四川盆地强降水发展中MCC最低温度的异常小值(20002015年),雷达回波显示云顶在18 km以上,是异常高值(20072015年),对流发展极其旺盛。在这种Cape值、 K指数、 700 hPa温度、 850 hPa 温度异常高与中低层弱垂直风切变的环境中,强对流如何发展,如何形成近于中气旋强度的中涡旋,下面就通过数值模拟试验来进行具体分析。

图 2 2012年7月21日22: 24重庆雷达的组合反射率因子(a,单位: dBZ)、 1.6°仰角的径向速度 (b,单位: m·s-1)及沿图b中AB线的径向速度剖面(c,单位: m·s-1) 黑色圆圈为中涡旋,黑点为重庆盘龙所在位置,黑色虚线为QLCSs Figure 2 Composite reflectivity(a,unit: dBZ)Radial velocity on 1.6 degree elevation(b,unit: m·s-1)and Radial velocity cross-section between A and B in figure(c,unit: m·s-1)of Chongqing radar at 22:24 on 21 July 2012. The circle is mesovortex,black dots is the location of Panlong and dotted line is QLCSs
3 资料和方法

西南区域地形复杂,很难捕捉到中小尺度系统,本研究工作采用具体资料及模式嵌套方法、 参数设置、 雷达资料同化方法、 中心增温同化方法等提高模拟的准确性。

试验预报模式采用WRF-ARW。采用三重嵌套网格(图 3),外层网格距为27~9 km(双向嵌套,纬向、 经向格点数分别为201×261和289×217),为内层区域预报提供初始以及边界条件,内层网格距为3 km,纬向、 经向格点数为481×386(与外层单向嵌套),资料同化以及结果分析仅在最内层的3 km网格上进行。积云参数化方案采用BMJ(BettsMillerJanjic)方案,微物理方案采用Thompson方案,长波和短波辐射方案均采用RRTMG(A new version of Rapid Radiative Transfer Model added in Version 3.1,快速的辐射传输模型3.1的新版)方案,陆面过程采用Unified Noah land-surface model,边界层方案采用MYJ TKE(Mellor-Yamada-Janjic Total Kinetic Energies,MYJ动能传输)方案,其中积云参数化方案仅用于外层27~9 km区域。背景场采用1°×1°的GFS预报场资料。

图 3 WRF数值模拟嵌套区域(a)及雷达同化区域(b) Figure 3 Model domain with grid setting(a)and radar used in radar assimilation(b)

中涡旋的直径大约在2~40 km之间(Weisman and Trapp,2003)。在雷达速度图上中涡旋直径是依据相邻的两个正负速度对中心的距离来识别的。根据波动理论,中涡旋的两个正负速度对中心即为中涡旋核心直径连线的两端,分别对应一个波的波峰和波谷,相当于半个波,完整中涡旋的尺度约为核区直径的两倍,即4~80 km。本研究中模式水平分辨率是3 km,模式最小可分辨尺度按其水平分辨率的6倍计算是18 km,模式可以分辨的中涡旋尺度需>18 km,即可以分辨核区直径9 km左右的中涡旋,基本上能满足本试验中涡旋研究的需要。同时,本模式需同化SA和SC雷达资料(图 3b,图中CD为成都雷达; CQ为重庆雷达; NC为南充雷达; YB为宜宾雷达; SC为SC型雷达; SA为SA型雷达),其反射率因子产品分辨率为1°×1 km,事发地盘龙距雷达中心约100 km,即分辨率约2 km×1 km,另外不同雷达体扫时间、 范围和定标均有差异,综合看,雷达资料能显示的水平分辨尺度大约在2~3 km,因此,在本研究中模式水平分辨率选用3 km基本上是合适的。

模式预报初始时间为2012年7月21日08:00。GFS预报场与实况场对比,21日20:00 500 hPa环流背景上两者基本一致,850 hPa与700 hPa西南低涡东侧的偏南风和西侧的偏北风大小和方向比较接近(图略),700 hPa西南低涡的位置都在四川盆地的西南部,也比较接近,850 hPa模拟的西南低涡中心比实况要略偏南。GFS预报场的降水要比实况略偏南(图略)。总体上GFS的预报场可以作为同化的背景场。

由于GFS预报场与实况有偏差,为了能够较为准确地模拟盘龙附近中涡旋的发展过程,同化雷达资料时选取盘龙出现中涡旋前约30 min重庆西部附近的重庆、 宜宾、 南充、 成都等4部雷达的资料(图 3b),即21日13:54雷达资料。4部雷达均为S波段雷达,其中重庆为SA雷达,最大不模糊速度为33 m·s-1,另3部为SC雷达,最大不模糊速度均为27 m·s-1,能够准确观测较大径向风速。同化时利用ARPS(The Advanced Regional Prediction System)模式的同化系统进行资料同化。雷达资料径向速度采用3DVAR同化(Hu et al,2006b); 反射率因子同化方法采用复杂云分析方案同化(Zhang et al,1998; Hu et al,2006a)。雷达资料处理涉及的质控、 预处理、 速度退模糊等均由ARPS自动处理。

中心增温同化方法分为两步: 首先确定增温中心最强增温幅度和影响半径R。记任意点到中心距离为r,在同化影响半径内增温幅度按离中心的距离线性比例逐渐减小,ΔTa=ΔTmax×(R-r)/R(r≤R),ΔTa=0(r>R); 其次,将以上增温后的要素场再通过ARPS-3DVAR同化,以使得天气系统内部温压湿等要素场达到平衡。本试验以21日13:54雷达资料同化后的模拟试验得到的盘龙附近1 h内最强降水中心A点(图 4,文中A点均指此点)为中心,在700 hPa、 850 hPa分别做最强增温增幅为1 ℃(Ta)或者2 ℃(Tb)的增温(图 5),然后用ARPS-3DVAR同化。采用这种中低层中心增温方式主要基于以下三点原因: 1)比较GFS预报场直接模拟与ECont试验模拟的21日22:00的中低层温度(700 hPa温度对比见图 5ab,850 hPa温度对比见图略),发现ECont试验雷达资料同化后强对流区域及附近的温度明显比GFS预报场直接模拟的高1~2 ℃,表明强降水时中低层凝结潜热释放相当强,对中低层有明显增温作用,推测中涡旋所在区域是强对流发展中最强的区域,其实际温度可能更高; 2)ECont试验中雷达资料同化后对环流模拟较好,也模拟出了准线性对流系统(QLCSs,图 4b),盘龙附近模拟出来了β中尺度气旋式环流(图 6)以及镶嵌在其中的γ中尺度涡旋(图 7),但旋转强度比实况明显偏小,根据同化要素理论,推测对中低层的中心增温同化也会增加中低层的比湿,相当于增强对流系统的不稳定性,有利于模拟出近于中气旋强度的中涡旋; 3)盘龙中涡旋发展阶段QLCSs雨带在22:0023:00宽约100 km(图 4),这也是此过程中对流发展最旺盛的阶段,推测强对流区均存在因凝结潜热释放形成的增温,强降水中心区域增温强于边缘,并假设增温幅度由中心向边缘线性递减,因此采用中心增温同化并将同化影响半径设为50 km。

图 4 2012年7月21日23:00的小时降水量分布 (a)实况,(b)ECont,(c)E850Ta,(d)E850Tb,(e)E700Ta,(f)E700Tb Figure 4 The distribution of hourly precipitation at 23:00 on 21 July 2012.(a)Observation,(b)ECont, (c)E850Ta,(d)E850Tb,(e)E700Ta,(f)E700Tb
图 5 GFS预报场(a)和ECont试验(b)模拟的21日22:00 700 hPa温度、 E700Tb与ECont试验700 hPa温度差在T0 时刻的分布(c)以及4组增温同化敏感试验相对ECont试验中A点T0时刻的温度(d)和比湿(e)增量垂直变化 中灰和深灰色阴影分别表示海拔高度>3000 m和>4500 m Figure 5 The temperature of GFS forecast(a)and ECont(b)on 700 hPa at 22:00 on 21 July,the spatial distribution of temperature difference between E700Tb and ECont experiment(c),different profiles of temperature(d)and humidity(e) between four temperature increment assimilation experiments and experiment ECont at point A at T0 moment. The middle and dark gray shaded denotes plateau altitude over 3000 and 4500 metres,respectively
图 6 2012年7月21日22:24多普勒雷达3 km高度SWAN拼图(a)与各模拟试验(b~f)的700 hPa流场 (矢量,单位: m·s-1)和反射率因子(彩色区,单位: dBZ) (a)SWAN拼图,(b)ECont,(c)E850Ta,(d)E850Tb,(e)E700Ta,(f)E700Tb.(a)中黑色箭头线为实况中主要流线, 红色D为低涡或β中尺度气旋式环流中心 Figure 6 Radar mosaic of SWAN on 3 km(a),flow(vector,unit: m·s-1)and reflectivity(colour area,unit: dBZ) on 700 hPa of each experiment at 22:24 on 21 July 2012.(a)SWAN,(b)ECont,(c)E850Ta,(d)E850Tb, (e)E700Ta,(f)E700Tb.The black arrow line represent the main flow line in figure(a),red capital D denotes the center of mesoscale cyclone or vortex
图 7 2012年7月21日22:24五组试验中模拟的600 hPa流场(矢量,单位: m·s-1)、 风场 (风羽,单位: m·s-1)和地面6 min降水量(彩色区,单位: mm) (a)ECont,(b)E850Ta,(c)E850Tb,(d)E700Ta,(e)E700Tb.红色实线EF表示图 9剖面的位置 Figure 7 The flow(vector,unit: m·s-1)and wind field(barb,unit: m·s-1)on 600 hPa and accumulated per 6 minutes’ precipitation(colour area,unit: mm)of five experiment at 22:24 on 21 July 2012.(a)ECont,(b)E850Ta, (c)E850Tb,(d)E700Ta,(e)E700Tb.The red line EF denote the location for cross-section in Fig. 9

按以上雷达资料同化与中低层不同中心增温同化方式建立ECont、 E850Ta、 E850Tb、 E700Ta、 E700Tb五组敏感性对比试验(表 1)。希望通过这五组不同层次和不同强度的中心增温同化敏感性对比试验能逐步推理出此次过程中中低层异常高的温湿条件在强中涡旋形成中的重要作用。

由E700Tb与ECont试验T0时刻(21:54)700 hPa温度差分布图(图 5c)可知,同化影响的温度从中心点到50 km处逐渐减弱,其余三组敏感试验与此相似。从四组中低层增温同化敏感试验中A点T0时刻相对ECont试验的温度和比湿增量垂直变化图(图 5de)可见,虽然是对700 hPa或850 hPa层作中心增温,但是模式的同化过程会协调各要素场,在邻近层也会有增温增湿,700 hPa增温同化后温度和比湿在垂直方向相对ECont试验的增量都呈单峰型,而850 hPa增温同化对温度的影响呈双峰型,而比湿呈单峰型,这可能与ARPS、 WRF模式的垂直网格设计有关系,在此不再作详细讨论。

4 模拟试验对比分析 4.1 降水量对比分析

重庆盘龙的强降水主要发生在21日22:0023:30,强降水中涡旋出现在22:1822:53。比较五组对比试验与实况在23:00的1 h降水量(图 4)。实况中重庆盘龙23:00的小时降水分布呈带状,强降水中心分布呈S形态,最强降水中心分布在S形的中部偏北位置,重庆盘龙极端小雨雨量180.9 mm·h-1。五组对比试验23:00 1 h降水与实况比较来看,5 mm以上的降水区范围相当,50 mm以上的强降水中心也成S形,中心位置比较接近,强度略偏弱,贵州北部区域略偏强,大体上相似。

从重庆盘龙实况与五组对比试验中心A点21日22:0023:30逐6 min降水量分析来看(多普勒雷达1个体扫时间为6 min,为便于比较,以下数值模拟分析时间间隔均为6 min),五组对比试验逐6 min降水形态、 降水峰值与实况都比较接近(图 8),形态呈单峰型,Econt试验最强6 min雨强出现的时间与实况一致,均出现在22:30,另四组敏感试验出现在22:24左右,比实况早约6 min,降水都在23:30左右减弱结束,呈现一次完整的对流强降水过程。6 min降水峰值在17~35 mm之间,实况为24.6 mm,E700Tb试验峰值最强达35 mm,ECont试验最低,仅16.0 mm。重庆盘龙实况与五组对比试验中心A点21日22:0023:30总降水量对比,从小到大的顺序分别是: ECont、 E850Ta、 E850Tb、 E700Ta、 E700Tb、 盘龙实况,盘龙实况雨量204.9 mm,五组对比试验中E700Tb试验A点最强,为149 mm,与实况最为接近,Econt试验的降水量最弱,为111.0 mm。

图 8 2012年7月21日22:00-23:30重庆盘龙与 五组对比试验中心A点(图 4)逐6 min降水量 Figure 8 Accumulated per 6 minutes’ precipitation of Panlong and five different experiments at position A in Fig. 4 from 22:00 to 23:30 on 21 July 2012
表 1 五组敏感性实验方案 Table 1 The designs of five sensitivity experiments

以上降水分析表明雷达同化试验和中低层增温试验后,23:00 1 h降水量的形态以及最强降水A点的逐6 min形态与实况中盘龙的降水都比较相似,中低层增温试验比单独的雷达同化能够更准确地模拟盘龙的强降水,E700Tb试验效果最好。

4.2 700 hPa西南低涡对比分析

700 hPa西南低涡是形成暴雨的重要影响系统,通常降水都发生在其东侧和南侧,由于西南低涡的具体形态多变,降水的形态也变化较大,多以带状降水为主(李国平等,1991)。比较2012年7月21日22:06多普勒雷达资料3 km高度SWAN拼图(SWAN: 目前中国气象部门常用的短时临近预报业务系统,可对多部雷达资料实时拼图。本过程SWAN拼图含重庆、 成都、 宜宾、 达州、 南充、 万州、 黔江等共7部雷达资料)与模拟试验的700 hPa流场和反射率因子(图 6)。SWAN拼图显示重庆西部有明显的气旋性环流,即西南低涡环流,环流的东侧为偏南风,北侧为偏东风,西侧为西北偏北风,环流的中心在重庆盘龙的北部,回波体构成准线性对流系统,30 dBZ以上反射率因子主体呈弓形,最强反射率因子在准线性对流系统(即弓形回波)的东侧,达55 dBZ,回波向东缓慢移动,弓形回波的后侧有较宽的层积云降水。ECont、 E850Ta、 E850Tb、 E700Ta、 E700Tb五组试验都较好地也反映了西南涡流场形势,模拟比SWAN拼图的更清楚,30 dBZ以上反射率因子区主体也呈弓形,处于偏南风与西北偏北风的切变中,准线性对流系统中部有多个小涡旋,其中较强的一个就在重庆盘龙附近,为γ中尺度涡旋(图 6b中D所示位置),比SWAN拼图中盘龙北部的环流中心偏南,强的反射率因子区也在准线性对流系统的东侧,E700Tb试验中重庆盘龙附近小涡旋的反射率因子最强,最强达60 dBZ以上。分析表明五组对比试验模拟的700 hPa西南低涡流场及准线性对流系统都与实况比较接近,并在盘龙附近模拟出了γ中尺度涡旋(图 7)。

4.3 盘龙附近γ中尺度涡旋的对比分析

以上对700 hPa重庆西部附近西南低涡环流分析来看,五组对比试验与实况相比没有明显区别,下面具体分析各对比试验在盘龙附近形成的γ中尺度涡旋,比较中低层增温对强降水中涡旋发展的影响。

分析五组对比试验模拟的盘龙附近γ中尺度涡旋的演变情况,发现盘龙附近的γ中尺度涡旋均在试验半小时后,即22:24达到最强,涡旋中心的层次在600 hPa附近,与实况盘龙中涡旋最强时段和涡旋中心层次都非常接近。22:0023:00,γ中尺度涡旋一直在盘龙附近徘徊,这与实况中盘龙附近中涡旋稳定少动相一致。比较22:24五组对比试验模拟的600 hPa流场(图 6)发现,γ中尺度涡旋环流上都比较相似,东北侧为东南风,南侧为偏南风,风速按Econt、 E850Ta、 E850Tb、 E700Ta、 E700Tb的顺序逐渐增强,E700Ta、 E700Tb中东侧偏南风均出现超过12 m·s-1的低空急流,与陈贵川等(2013)曾分析的SWAN拼图中3 km高度COTREC风场展现的低空急流一致,有利于增强中低层水汽输送和垂直风切变; 6 min降水量的范围和大小也是按以上顺序增强,E700Tb试验的γ中尺度涡旋和6 min降水量都最强,表明中低层增温对γ中尺度涡旋增强的效果明显。

沿图 7中五组对比试验γ中尺度涡旋中心EF连线作水平风速u分量和涡度的剖面来分析其结构(图 9)。在ECont试验中γ中尺度涡旋两侧的东西风切变较小,最大涡度在700 hPa附近,只有0.003 s-1左右,但中低层增温同化后明显增强,并且是按E850Ta、 E850Tb、 E700Ta、 E700Tb的顺序逐渐增强。假设雷达就在γ中尺度涡旋中心与EF连线垂直的水平方向。E850Ta试验中中心相距10 km处的最强旋转速度低于10 m·s-1,E700Ta、 E850Tb试验中均出现中心相距10 km处的最强旋转速度高于10 m·s-1的涡旋,但是均只出现了1个时次,都未达到雷达探测到中气旋的标准。E700Tb试验中中心相距10 km处的最强旋转速度约为15 m·s-1,强旋转从750 hPa延伸到450 hPa附近,中心位置在600 hPa附近,中心涡度超过0.007 s-1,中心相距10 km处的最强旋转速度超10 m·s-1的时间从22:24持续到22:36,超过3个雷达观测时次(12 min以上)。虽然E700Tb试验中模拟的单个中涡旋形成的时间晚于实况约6 min,持续时间低于实况,中涡旋的最强旋转速度也比实况要弱,但强度和持续时间都已经非常接近实际中雷达观测到的盘龙附近的中涡旋。

图 9 2012年7月21日22:24五组试验中对水平风速u分量(等值线,单位: m·s-1)和 涡度(彩色区,单位: s-1)沿图 7中各试验对应的EF线的纵向剖面 (a)ECont,(b)E850Ta,(c)E850Tb,(d)E700Ta,(e)E700Tb Figure 9 The speed of u wind(contour,unit: m·s-1)and vorticity(colour area,unit: s-1)cross-section between E and F of corresponding experiments in Fig. 7 at 22:24 on 21 July 2012.(a)ECont,(b)E850Ta,(c)E850Tb,(d)E700Ta,(e)E700Tb

21日22:00-23:00,强降水发展的阶段,五组对比试验中垂直速度中心和水汽通量散度在γ尺度涡旋发展中均由低层迅速向中高层发展(图略)。五个试验中最大上升速度均出现在22:12,比γ尺度涡旋形成最强的时间要早,在上升运动由最强到略减弱的阶段,γ尺度涡旋继续增强。从22:12垂直速度剖面图来看(图 10),强的上升速度分布呈垂直的“纺锤状”,最强上升速度出现在200 hPa附近,E850Tb、 E700Ta、 E700Tb三组试验中最强上升速度均超过30 m·s-1,E700Tb试验中>30 m·s-1的范围最大,表明较大范围的强上升运动有利于强中涡旋的形成。与垂直速度发展相似,五组试验的水汽通量散度在中低层γ尺度涡旋发展中也迅速增强,强的水汽通量散度分布基本上也是按ECont、 850Ta、 E850Tb、 E700Ta、 E700Tb的顺序逐渐增强。E700Tb试验中850~600 hPa水汽辐合最强烈,辐合区从底层到高层向东北方向倾斜,强的水汽辐合达到600 hPa以上,中涡旋发展的中心位置上水汽通量散度超过-50×10-4 g·hPa-1·m-2·s-1。同时,也可以看到,在强的水汽通量散度区,等比湿线明显向上凸起,而且,等温度线与等比湿线形态相似(图略),也向上凸起。以前的研究表明: 凝结潜热对上升运动有强的反馈作用(卢敬华,1986),促进上升运动强烈发展。显然,此次过程中涡旋的发展也表明中涡旋垂直方向上强的上升运动与向上凸起的等比湿线分布、 强的水汽通量散度及水汽凝结的强烈释放密切相关。

图 10 2012年7月21日22:12五组试验中对垂直速度(黑色等值线,单位: m·s-1)、 比湿(红线,单位: g·kg-1)和 水汽通量散度(彩色区,单位: 10-4 g·hPa-1·m-2·s-1)沿图 7中各试验对应的EF线作的纵向剖面 (a)ECont,(b)E850Ta,(c)E850Tb,(d)E700Ta,(e)E700Tb Figure 10 Vertical velocity(black contour,unit: m·s-1),specific humidity(red line,unit: g·kg-1)and vapor flux divergence(colour area,unit: 10-4 g·hPa-1·m-2·s-1)cross-section between E and F of corresponding experiments in Fig. 7 at 22:24 on 21 July 2012.(a)ECont,(b)E850Ta,(c)E850Tb,(d)E700Ta,(e)E700Tb

进一步分析E700Tb试验中部分要素场随时间的演变情况(图 11): 经700 hPa 中心增温同化,其增温中心附近临近层均有不同程度增温增湿(图 5 d、 e),21:54,K指数为44,700 hPa温度16.8 ℃,参考前面的历史统计,这两个数值均表明对流不稳定性是异常强的; 至22:12,上升运动强烈发展,低层水汽通量散度迅速增强,700 hPa水汽通量散度超过-42×10-4 g·hPa-1·m-2·s-1,位势高度急剧下降,中涡旋从低层迅速向上发展,到22:24,600 hPa附近中涡旋涡度达最强,地面降水出现峰值,700 hPa、 850 hPa温度上升,表明凝结潜热释放产生的的增温效果比降水带走的感热更明显; 22:42,700 hPa水汽通量散度减弱,700 hPa、 850 hPa温度有明显下降,600 hPa涡度减小,中涡旋很快减弱。

图 11 E700Tb试验中心A点各要素(a~c)时间序列变化 Figure 11 Time sequence of several elements(a~c)at Point A of E700Tb

将以上分析综合起来,可以发现此次过程中近于中气旋强度的中涡旋形成的机制是(图 12,图中q1、 q2为等比湿线; T1、 T2为等温度线; 阴影为强水汽通量散度辐合区; 黑长划线箭头表示涡旋的上升运动; 黑虚线箭头表示涡旋的下沉运动)中低层异常高的温湿条件导致异常强的对流不稳定性,受冷空气触发形成的上升运动强烈发展,中低层水汽通量辐合迅速增强,大量水汽凝结并急剧释放潜热,高温高湿气柱随上升运动迅速增长,增温中心附近位势高度急剧下降,位势梯度加大,风速增大,中涡旋迅速发展增强到中气旋的强度。这也表明中低层异常高的温湿条件是此次过程强中涡旋形成的重要条件。

图 12 2012年7月21日强降水过程中近于中气旋 强度的中涡旋形成机制 q1、 q2为等比湿线; T1、 T2为等温度线; 阴影为强水汽通量散度 辐合区; 黑长划线箭头和黑虚线箭头分别表示涡旋的 上升运动和下沉运动; D表示中涡旋 Figure 12 Schematic view of the formation of strong mesovortex on 21 July 2012.Green and Red solid lines are isolines of specific humidity and temperature respectively.Shaded area is strong convergence area of vapor flux.Black dash line and dot line with arrow are updraft and downdraft flow respectively.D denote the mesovortex
5 结论与讨论

通过利用中尺度数值模式WRF,结合雷达资料同化的ARPS-3DVAR方法和复杂云分析方案以及中心增温同化方法对2012年7月21日22:0023:00重庆盘龙附近出现的强降水中涡旋进行数值模拟和敏感性试验,得出如下结论:

(1) 2012年7月21日22:0023:00,重庆盘龙出现180.9 mm·h-1的极端小时强降水,过程中伴随有近于中气旋强度的强降水中涡旋,这与通常发生伴有中气旋的超级单体风暴的环境有明显区别,此次过程中强中涡旋是在环境Cape、 K指数、 700 hPa和850 hPa温度异常高与中低层弱垂直风切变环境中发生的。

(2) 经过雷达资料同化后能较好地模拟出2012年7月21日22:0023:00西南低涡东侧的的QLCSs、 暴雨落区、 强降水中心以及盘龙附近的γ中尺度涡旋; 在雷达资料同化的基础上,分别在850 hPa、 700 hPa对γ中尺度涡旋作中心增温同化后,能增强γ中尺度涡旋的强度; 850 hPa增温2 ℃对增强γ中尺度涡旋的效果要强于增温1 ℃,700 hPa亦然; 700 hPa增温1 ℃对增强γ中尺度涡旋的效果要强于850 hPa增温1 ℃,增温2 ℃亦然; 当采用700 hPa中心增温2 ℃同化后能模拟出与盘龙附近相似的强度近于中气旋的中涡旋。

(3) 此次强降水过程近于中气旋强度的中涡旋形成的机制为中低层异常高的温湿条件导致异常强的对流不稳定,上升运动快速发展,中低层水汽通量辐合迅速增强,大量水汽凝结并急剧释放潜热,高温高湿气柱随上升运动迅速增长导致增温中心附近位势高度急剧下降,水平位势梯度加大,风速增大,中涡旋迅速发展增强到中气旋的强度。

本试验利用了GFS数值模式预报场资料、 雷达同化以及中心增温同化方法,在强降水中涡旋发展的临近阶段初步构建了一个与实况相似的环境场,对较成功地模拟出中涡旋的发展过程起到了重要作用。但是,模拟的时效相对较短,模拟的分辨率也相对较低,以后还需要更详尽的观测资料以及长时效的模拟来准确研究西南低涡中强降水中涡旋的发展结构。利用的“中心增温同化方法”是在研究中发现实况中一些物理量表现出异常而且实况与模拟的气象要素对比有差别的基础上,对如何模拟得到更接近实况的一种可能推测,通过敏感性试验证明其正确性,这种方法也可为其他试验研究所参考。

参考文献
Browning K A. 1978. The structure and mechanisms of hailstorms[J]. Meteor Monogr, 38 : 1–36.
Browning K A. 1962. Cellular structures of convective storms[J]. Meteor Mag, 91 (1085): 341–350.
DeWald V L, Funk T W. 2000. WSR-88D reflectivity and velocity trends of a damaging squall line event on 20 April 1996 over south-central Indiana and central Kentucky[C]//Preprints, 20th Conf on Severe Local Storms, Orlando, FL, Amer Meteor Soc, 177-180.
Forbes G S, Wakimoto R M. 1983. A concentrated outbreak of tornadoes, downbursts and microbursts, and implications regarding vortex classification[J]. Mon Wea Rev, 111 : 220–235. DOI:10.1175/1520-0493(1983)111<0220:ACOOTD>2.0.CO;2
Fujita T T. 1978. Manual of downburst identification for project NIMROD[C]//Satellite and Mesometeorology Research Paper 156, Dept. of Geophysical Sciences. Chicago:University of Chicago, 104.
Hu M, Xue M, Brewster K. 2006a. 3DVAR and cloud analysis with WSR-88D level-Ⅱdata for the prediction of the Fort Worth Tornadic thunderstorms[J]. Part I:Cloud analysis and its impact[J]. Mon Wea Rev, 134 : 675–698.
Hu M, Xue M, Brewster K. 2006b. 3DVAR and cloud analysis with WSR-88D level-Ⅱdata for the prediction of the Fort Worth Tornadic thunderstorms[J]. Part Ⅱ:Impact of radial velocity analysis via 3DVAR[J]. Mon Wea Rev, 134 : 699–721.
Marwitz J D. 1972. The structure and motion of severe hailstorms[J]. PartⅠ, Ⅱ, Ⅲ[J]. J Appl Meteor, 11 (1): 166–201. DOI:10.1175/1520-0450(1972)011<0166:TSAMOS>2.0.CO;2
Miller D J, Johns R H. 2000. A detailed look at extreme wind damage in derecho events[C]//Preprints, 20th Conf on Severe Local Storms, Orlando, FL, Amer Meteor Soc, 52-55.
Moller A R, Doswell C A Ⅲ, Foster M P, et al. 1994. The operational recognition of supercell thunderstorm envirments and storm structures[J]. Wea Forecasting, 9 : 327–347. DOI:10.1175/1520-0434(1994)009<0327:TOROST>2.0.CO;2
Smull B F, Houze R A. 1987. Rear inflow in squall lines with trailing stratiform precipitation[J]. Mon Wea Rev, 115 : 2869–2889. DOI:10.1175/1520-0493(1987)115<2869:RIISLW>2.0.CO;2
Trapp R J, Weisman M L. 2003. Low-Level Mesovortices within Squall Lines and Bow Echoes[J]. PartⅡ:Their Genesis and Implications[J]. Mon Wea Rev, 131 : 2804–2823.
Wakimoto R M. 1983. The West Bend, Wisconsin storm of 4 April 1981:A problem in operational meteorology[J]. J Climate Appl Meteor, 22 : 181–189. DOI:10.1175/1520-0450(1983)022<0181:TWBWSO>2.0.CO;2
Weisman M L, Trapp R J. 2003. Low-Level Mesovortices within Squall Lines and Bow Echoes[J]. Part I:Overview and Dependence on Environmental Shear[J]. Mon Wea Rev, 131 : 2779–2803.
Zhang J, Carr F H, Brewster K. 1998. ADAS cloud analysis 12th Conference on Numerical Weather Prediction, Phoenix[C]//Amer Meteor Soc, 185-188. http://www.oalib.com/references/16080847
陈宝君, 郑凯琳, 郭学良. 2012. 超级单体风暴中大冰雹增长机制的模拟研究[J]. 气候与环境研究 , 17 (6): 767–778. Chen Baojun, Zheng Kailin, Guo Xueliang. 2012. Numerical investigation on the growth of large hail in a simulated supercell thunderstorm[J]. Climatic and Environmental Research, 17 (6): 767–778.
陈贵川, 谌芸, 张勇, 等. 2013. "12[J]. 7.21"西南涡极端强降雨的成因分析[J].气象 , 39 (12): 1529–1541. Chen Guichuan, Chen Yun, Zhang Yong, et al. 2013. Causes Analysis of the Southwest Vortex Extremely Heavy Rainfall on 21 July 2012[J]. Meteor Mon, 39 (12): 1529–1541.
陈明轩, 王迎春, 肖现, 等. 2012. 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[J]. 大气科学 , 36 (5): 929–944. Chen Mingxuan, Wang Yingchun, Xiao Xian, et al. 2012. A case simulation analysis on thermodynamical mechanism of supercell storm development using 3-D cloud model and 4-D variational assimilation on radar data[J]. Chinese J Atmos Sci, 36 (5): 929–944.
戴建华, 陶岚, 丁杨, 等. 2012. 一次罕见飑前强降雹超级单体风暴特征分析[J]. 气象学报 , 70 (4): 609–627. Dai Jianhua, Tao Lan, Ding Yang, et al. 2012. Case analysis of a large hail-producing severe supercell ahead of a squall line[J]. Acta Meteor Sinica, 70 (4): 609–627.
高守亭. 1987. 流场配置及地形对西南低涡形成的动力作用[J]. 大气科学 , 11 (3): 263–271. Gao Shouting. 1987. The dynamic action of the disposition of the fluid fields and the topography on the formation of the south-west vortex[J]. Chinese J Atmos Sci, 11 (3): 263–271.
李国平, 万军, 卢敬华. 1991. 暖性西南低涡生成的一种可能机制[J]. 应用气象学报 , 2 (1): 91–99. Li Guoping, Wan Jun, Lu Jinghua. 1991. A potential mechanism of the warm vortex genesis in Southwest China[J]. J Appl Meteor Sci, 2 (1): 91–99.
廖玉芳, 俞小鼎, 唐小新, 等. 2007a. 基于多普勒天气雷达观测的湖南超级单体风暴特征[J]. 南京气象学院学报 , 30 (4): 433–443. Liao Yufang, Yu Xiaoding, Tang Xiaoxin, et al. 2007a. Characteristics of supercell storms in hunan detected by Doppler weather radars[J]. J Nanjing Insti Meteor, 30 (4): 433–443.
廖玉芳, 俞小鼎, 唐小新. 2007a. 2004年4月29日常德超级单体研究[J]. 南京气象学院学报 , 30 (5): 579–589. Liao Yufang, Yu Xiaoding, Tang Xiaoxin. 2007a. Investigation into supercell storm on 29 April 2004 in Changde[J]. J Nanjing Insti Meteor, 30 (5): 579–589.
刘晓冉, 李国平. 2014. 一次东移型西南低涡的数值模拟及位涡诊断[J]. 高原气象 , 33 (5): 1204–1216. DOI:10.7522/j.issn.1000-0534.2013.00151 Liu Xiaoran, Li Guoping. 2014. Numerical simulation and potential vorticity diagnosis of an eastward moving southwest vortex[J]. Plateau Meteor, 33 (5): 1204–1216. DOI:10.7522/j.issn.1000-0534.2013.00151
卢敬华. 1988. 西南低涡概论[M]. 北京: 气象出版社, 129-146. Lu Jinghua. 1988. Introduction to the southwest vortex[M]. BeiJing: China Meteotological Press , 129-146.
卢敬华. 1988. 利用热成风适应原理对暖性西南低涡生成机制的再分析[J]. 高原气象 , 7 (4): 345–356. Lu Jinghua. 1988. Apply the thermal wind adjustment theorem to analyse genesis mechanism of the warm southwest vortex of China[J]. Plateau Meteor, 7 (4): 345–356.
陶诗言. 1980. 中国之暴雨[M]. 北京: 科学出版社, 91-145. Tao Shiyan. 1980. China storms[M]. BeiJing: China Science Press , 91-145.
王福侠, 俞小鼎, 闫雪瑾. 2014. 一次超级单体分裂过程的雷达回波特征分析[J]. 气象学报 , 72 (1): 152–167. Wang Fuxia, Yu Xiaoding, Yan Xuejin. 2014. Analysis of the splitting processes of the supercell storms based on the Doppler weather radar data[J]. Acta Meteor Sinica, 72 (1): 152–167.
王秀明, 钟青, 韩慎友. 2009. 一次冰雹天气强对流(雹)云演变及超级单体结构的个例模拟研究[J]. 高原气象 , 28 (2): 352–365. Wang Xiuming, Zhong Qing, Han Shenyou. 2009. A numerical case study on the evolution of hail cloud and the three-dimensional structure of supercell[J]. Plateau Meteor, 28 (2): 352–365.
吴芳芳, 俞小鼎, 张志刚, 等. 2013. 苏北地区超级单体风暴环境条件与雷达回波特征[J]. 气象学报 , 71 (2): 209–227. Wu Fangfang, Yu Xiaoding, Zhang Zhigang, et al. 2013. A study of the environmental conditions and radar echo characteristics of the supercell-storms in northern Jiangsu[J]. Acta Meteor Sinica, 71 (2): 209–227.
吴木贵, 张信华, 傅伟辉, 等. 2013. 2010年3月5日闽北经典超级单体风暴天气过程分析[J]. 高原气象 , 32 (1): 250–267. DOI:10.7522/j.issn.1000-0534.2013.00025 Wu Mugui, Zhang Xinhua, Fu Weihu, et al. 2013. Analysis on weather process of classic supercell storm in northern part of Fujian on 5 March 2010[J]. Plateau Meteor, 32 (1): 250–267. DOI:10.7522/j.issn.1000-0534.2013.00025
徐琪, 慕熙昱, 刘韻蕊, 等. 2015. 南京空域一次高空致灾冰粒过程的可预报性分析[J]. 高原气象 , 34 (1): 258–268. DOI:10.7522/j.issn.1000-0534.2013.00105 Xu qi, Mu Xiyu, Liu Yunrui, et al. 2015. Analysis of predictability on a high altitude hail/graupel disaster weather in Nanjing airspace[J]. Plateau Meteor, 34 (1): 258–268. DOI:10.7522/j.issn.1000-0534.2013.00105
俞小鼎, 姚秀萍, 熊廷南, 等. 2006a. 多普勒天气雷达原理与业务应用[M]. 北京:气象出版社, 90-129, 130-163, 172-174, 208. Yu xiaoding, Yao Xiuping, Xiong Tingnan, et al. 2006a. Principle and Application of Doppler Weather Radar[M]. BeiJing:China Meteotological Press, 90-128, 130-163, 172-174, 208.
俞小鼎, 张爱民, 郑媛媛, 等. 2006b. 一次系列下击暴流事件的多普勒天气雷达分析[J]. 应用气象学报 , 17 (4): 385–393. Yu Xiaoding, Zhang Aimin, Zheng Yuanyuan, et al. 2006b. Doppler radar analysis on a series of downburst events[J]. J Appl Meteor Sci, 17 (4): 385–393.
俞小鼎, 郑媛媛, 张爱民, 等. 2006c. 安徽一次强烈龙卷的多普勒天气雷达分析[J]. 高原气象 , 25 (5): 914–924. Yu Xiaoding, Zheng Yuanyuan, Zhang Aimin, et al. 2006c. The detection of a severe tornado event in Anhui with China new generation weather radar[J]. Plateau Meteor, 25 (5): 914–924.
俞小鼎, 郑媛媛, 廖玉芳, 等. 2008. 一次伴随强烈龙卷的强降水超级单体风暴研究[J]. 大气科学 , 32 (3): 508–522. Yu Xiaoding, Zheng Yuanyuan, Liao Yufang, et al. 2008. Observational investigation of a tornadic heavy precipitation supercell storm[J]. Chinese J Atmos Sci, 32 (3): 508–522.
张琳娜, 郭锐, 何娜, 等. 2015. "7·21"北京特大暴雨过程龙卷形成可能性探究[J]. 高原气象 , 34 (4): 1074–1083. DOI:10.7522/j.issn.1000-0534.2014.00025 Zhang Linna, Guo rui, He na, et al. 2015. Study on whether a tornado occurred of '7·21' rainstorm in Beijing[J]. Plateau Meteor, 34 (4): 1074–1083. DOI:10.7522/j.issn.1000-0534.2014.00025
Sensitivity Study of Middle-low Level Temperature Increase for Mesovortex Formation in a Heavy Rainfall Case
CHEN Guichuan1 , WU Zheng2 , CHEN Yun3 , LI Qiang1 , ZHU Yan1     
1. Chongqing Meteorological Observatory, Chongqing 401147, China;
2. Chongqing Institute of Meteorology, Chongqing 401147, China;
3. National Meteorological Center, Beijing 100081, China
Abstract: An extreme precipitation event characterized by hourly rainfall of 180.9 mm·h-1 occurred near Panlong, Chongqing from 22:00 to 23:00 on July 21 2012, which was fairly rare among rainstorms caused by the southwest vortex. An analysis of Radar data reveals that during the process, a mesovortex that almost rivals a mesocyclone was observed to had been forming and evolving. To investigate the impact of low-level warming exerted on the formation of mesovortex, basing on WRF model, a set of numerical simulations that combined complex cloud analysis and ARPS-3DVAR method that incorporated radar assimilation, together with the sensitivity experiment of center temperature increment assimilation (CTIA) on low-level atmosphere, had been carried out to explore the relationship between mesovortex and aforementioned extreme precipitation. The results indicate that after the assimilation of reflectivity and radial velocity of radar, the GFS forecast performs well on the simulation of the qusi-linear convective system (QLCSs), the area and the center of heavy rainfall and the meso-β-scale cyclonic circulation in the eastern part of Southwest vortex near Panlong with a meso-γ-scale vortex embedded in. The intensity of meso-γ-scale vortex was increased due to CTIA done at both level of 850 hPa and 700 hPa. With 2 Celsius degree's incensement of CTIA at 700 hPa, the mesovortex which was comparable to a mesocyclone was successfully simulated. Meanwhile, the mechanism of the forming of mesovortex could be explained as follows:the abnormal warmness and humidity at low level lead to the abnormal intensification of convective instability, which further triggered the booming development of updraft. As vapor flux converges drastically, a large amount of vapor condenses, rapidly releasing latent heat. The geopotential height near the warming center dropped rapidly as warm and humid air column stretches due to the intensification of updraft. The horizontal gradient of geopotential height thus increase as well as the wind speed surges simultaneously. The mesovortex evolves into a typical mesocyclone swiftly. These indicate that in the background of weak vertical wind shear, the abnormal warmness and humidity at lower level provides significant prerequisite for the formation of intense updraft and the mesovortex which is comparable to mesocyclone.
Key Words: Numerical simulation    Central temperature increment assimilation    Southwest vortex    Mesovortex    Mesocyclone