2017, Vol. 36
四川盆地是强降水的多发区, 每年直接的强降水灾害和间接的衍生地质灾害给当地造成重大经济损失, 甚至人员伤亡, 因此, 对该地区暴雨的准确预报具有十分重要的意义。
许多学者通过天气诊断对四川盆地暴雨过程的形成机理进行了深入的研究(宗志平和张小玲, 2005; 屠妮妮等, 2008; 江玉华等, 2012; 陈永仁和李跃清, 2013)。四川盆地内的暴雨以高原涡(低槽)暴雨和西南低涡暴雨较为常见(刘富明和杜文杰, 1987; 康岚等, 2012; 郁淑华等, 2012)。高原涡与西南涡的相互作用是高原天气系统与背风坡浅薄天气系统耦合作用的典型代表。刘富明和杜文杰(1987)提出了青藏高原-四川盆地垂直涡旋耦合作用的观点, 认为当两者处于非耦合状态时, 将抑制背风坡系统发展, 当两者成为耦合状态时, 将激发背风系统发展与暴雨发生。缪强等(1999)指出, 高原低涡的东移发展与西南低涡的相互作用是诱发西南低涡发展和暴雨发生的重要形式。陈忠明等(2004)对一次高原涡和西南涡耦合作用引发盆地低涡强烈发展和特大暴雨天气过程进行了诊断研究, 发现高原低涡移动到100°E以东后, 垂直差动涡度平流强迫将激发500 hPa以下的上升运动与气旋性涡度加强, 是盆地浅薄涡旋系统发展的一种动力机制。
在实际业务预报中, 由于四川盆地暴雨的影响系统比较复杂, 并且不同系统与高原邻近地区的特殊地形相结合, 使得暴雨的主观预报或确定性模式预报常常出现不同程度的偏差。宗志平等(2013)对2012年四川盆地两次西南涡暴雨过程进行了对比分析和预报检验, 结果表明, 数值模式预报的强降水落区主要取决于850 hPa切变线位置, 暴雨预报较实况明显偏西偏北, 实况暴雨落区主要分布在暖区当中。由于暴雨预报对模式的初值和物理过程都极为敏感, 因此常常造成确定性模式暴雨预报的偏差较大。集合预报是近年来迅速发展, 在国际上公认的解决单一确定性模式预报“不确定”问题的有效方法(陈静等, 2002; 杜钧和李俊, 2014)。集合预报相比确定性模式能够提供更多的信息, 例如利用集合预报的不确定性信息可以有效提高高原东侧降水预报的预报可信度(陈静等, 2004), 利用集合预报的概率信息研究四川暴雨的预警方法(陈朝平等, 2010)。
由于集合预报隐式地包含预报误差随天气形势的变化(即流依赖特征), 因此可以利用集合预报的预报变量误差和初始误差来研究预报变量对初始要素的敏感性, Torn and Hakim(2008)将这种方法称之为“集合敏感性”分析。该方法计算简便, 并且对于预报变量的选择也很灵活, 如降水量、海平面气压、台风位置等, 为天气过程诊断和不确定性分析提供了一条新途径。Li et al(2014)利用集合敏感性分析方法研究了影响四川盆地暴雨的西南涡东移特征, 结果表明西南涡的移动和强度对初始时刻水汽和风场比较敏感, 这一结果可以为进一步的目标观测提供依据。近年来, 一些学者也利用全球中期集合预报模式来开展集合敏感性研究, 因为全球中期集合预报模式是业务中稳定运行的数值模式, 无需单独进行试验设计。Schumacher(2011)利用ECMWF全球集合预报研究了美国南部一次低涡暴雨过程, 揭示了上游天气系统的扰动对低涡以及降水预报的影响。Qian et al(2013)利用ECMWF全球集合预报通过分析一次台风过程中台风位置和500 hPa高度场之间的相关系数来研究影响台风转向的天气系统及其发展演变。
2013年6月30日四川盆地出现了大范围的暴雨天气, 已有学者从天气学诊断(孙俊等, 2014)和位涡诊断(邱静雅等, 2015)的角度对此次暴雨过程进行了分析, 指出高原涡和西南涡的垂直耦合对暴雨的发展和持续起到了关键的作用, 但是对于集合预报中高原涡和西南涡的演变过程以及预报不确定性对于暴雨预报的影响还缺乏认识。本文主要基于ECMWF集合预报进一步研究高原涡和西南涡的相互作用, 并利用集合敏感性方法尝试开展定量的分析, 重点比较暴雨对高原涡和西南涡预报的敏感性。
2 资料选取和方法介绍选用2013年6月29日至7月1日降水观测资料和NCEP的Final(FNL)1°×1°再分析资料以及ECMWF(简称EC)集合预报资料。EC集合预报有51个预报成员: 1个控制预报和50个扰动预报。集合预报包括分辨率为1°×1°的高度场、风场和温度等环境场以及分辨率为0.5°×0.5°的降水场。
根据Torn and Hakim(2008)的定义, 集合预报如果有M个预报成员(以EC集合预报为例, M=51), 初始时刻某一状态变量Xi对于任一预报变量J的集合敏感性定义为:
| $ {\rm{sensitivity}} = \frac{{{\mathop{\rm cov}} \left({J, {X_i}} \right)}}{{\sqrt {{\mathop{\rm var}} \left({{X_i}} \right)} }}, $ | (1) |
式中: J为M个成员的M个预报变量值; Xi为第i个格点上的M个状态变量值; cov为J和Xi之间的协方差; var为方差。很容易证明, 集合敏感性与J和Xi的相关系数cor成正比。相关系数更加容易理解, 并且可以比较预报量对不同状态变量的敏感性, 因此本文用相关系数来表示集合敏感性:
| $ {\rm{sensitivity}} = {\rm{cor}}\left({J, {X_i}} \right). $ | (2) |
相关系数的绝对值越大, 表示初始时刻状态变量的扰动可以引起预报量的较大变化, 即预报量对于状态变量较为敏感。
3 暴雨概况2013年6月30日, 在四川东部和重庆西北部出现了区域性的强降水过程, 局地出现大暴雨。6月30日08:00(北京时, 下同)至7月1日08:00(图 1a), 暴雨主要位于四川盆地中部, 整体呈经向型带状分布, 24 h降水量大于50 mm的共33个站, 大于200 mm的共5个站, 其中, 遂宁站(30.6°N, 105.5°E)416 mm, 并且日降水量突破了1951年来的历史极值。从遂宁站1 h自动站的降水量演变(图 1b)可以看出, 6月30日03:00左右降水开始, 10:00降水明显加强, 10:0017:00每小时降水量基本都在20 mm以上, 22:00以后随着降水区向东南移动, 降水强度有所减弱。此次暴雨过程具有持续时间长、降水集中和强度大的特点。
|
图 1 2013年6月30日08:00至7月1日08:00 24 h观测降水量(a, 单位: mm)和6月29日20:00至7月1日20:00四川遂宁1 h自动站降水量(b) Figure 1 The observed precipitation amount from 08:00 on 30 June to 08:00 on 1 July (a, unit: mm), and the variation of 1 hourly precipitation of Suining in Sichuan from 20:00 on 29 June to 20:00 on 1 July (b) in 2013 |
此次“6·30”暴雨过程与高原涡和西南涡的活动密不可分。利用FNL形势场分析高原涡和西南涡的移动路径(图 2)发现, 6月29日08:00高原涡在青海都兰附近生成, 20:00移动到四川北部, 而此时西南涡还未生成。30日08:00高原涡进一步东移南压至四川盆地西北边缘, 在6月30日20:00至7月1日08:00一直位于四川盆地中部, 到了7月1日20:00略向北移动, 随后减弱消亡。西南涡6月30日08:00在盆地西南部生成, 并受高空槽前气流引导向东北方向移动, 到了7月1日08:00北抬至遂宁附近。从图 2可以看出, 6月30日08:00开始高原涡和西南涡缓慢相向而行, 6月30日20:00至7月1日08:00两个低涡中心几乎重叠, 整个过程西南涡的位置相对更加稳定。
|
图 2 500 hPa高原涡(空心圆)和850 hPa西南涡(三角)的逐12 h 路径阴影区为地形高度(单位: m) Figure 2 The 12 hourly paths of Plateau Vortex (PV) on 500 hPa (circle) and Southwest Vortex (SWV) on 850 hPa (triangle). The shaded indicates topographic height (unit: m) |
从更大范围的环流形势(图 3)可以看出, 6月30日08:00中纬度地区500 hPa为“西低东高”的环流形势, 高原涡及低槽位于四川盆地西部, 副热带高压(下称副高)西伸较为明显, 西脊点越过110°E。副高外围低层850 hPa存在较强的低空偏南风急流, 并在盆地东部产生气旋性弯曲, 形成西南涡。到了7月1日08:00, 高原涡东移加强, 出现明显闭合中心, 而西南涡东侧的偏南风急流风速也有所加强(超过12 m·s-1)。此外, 台风“温比亚”在南海西北向移动, 使得副高位置稳定, 高原涡和西南涡受到副高的阻挡移动缓慢, 导致这次暴雨的持续时间较长。
|
图 3 2013年6月30日08:00 (a), 7月1日08:00 (b) 500 hPa位势高度(等值线, 单位: dagpm)和850 hPa风场(矢量, 单位: m·s-1) 阴影表示风速大于8 m·s-1, D表示西南涡 Figure 3 Geopotential heights on 500 hPa (contour, unit: dagpm) and winds on 850 hPa (vector, unit: m·s-1) at 08:00 on 30 June (a) and at 08:00 on 1 July (b) 2013. The shaded indicate winds greater than 8 m·s-1. D is SWV |
由暴雨中心遂宁附近涡度的高度时间剖面图(图 4)可以看到, 在6月30日08:00之前, 对流层高层有负涡度发展, 对应暴雨区上空的南亚高压比较活跃。6月29日20:00 500~400 hPa正涡度逐渐发展, 表明高原涡开始移入四川盆地。从6月30日08:00开始, 对流层从低层到高层都被正涡度所控制。到了20:00对流层中下层正涡度进一步增大, 在500 hPa和800 hPa都存在较强的正涡度中心, 分别对应高原涡和西南涡。20:00以后高原涡和西南涡的涡度进一步增大, 最强的正涡度出现在7月1日08:00对流层低层750 hPa, 中心值超过15×10-5 s-1, 此时对应的正是西南涡发展最为强烈的时刻, 同时垂直正涡度向上伸至200 hPa, 形成正涡度柱。涡度的时间演变表明高原涡和西南涡在6月30日20:00以后出现了耦合加强。进一步分析涡度的经向剖面(图略)可以发现, 6月30日08:00 105°E附近正涡度从对流层低层至中层向北倾斜, 到了20:00以后正涡度柱近乎垂直, 这与前面分析的高原涡和西南涡的中心在20:00以后几乎重叠是一致的。
|
图 4 2013年6月29日08:00至7月2日08:00遂宁附近(30. 5°N, 105°E)涡度的高度-时间剖面(单位: 10-5s-1) Figure 4 Time-vertical section of vorticity near Suining (30. 5°N, 105°E) from 08:00 on 29 June to 08:00 on 2 July in 2013. Unit: 10-5s-1 |
以上对高原涡和西南涡路径和涡度的分析表明, “6·30”暴雨过程高原涡和西南涡受到台风“温比亚”和副高的影响在四川盆地东部移动缓慢, 而高原涡和西南涡的耦合使得两个低涡进一步发展加强, 深厚的低涡系统有利于较强的上升运动, 另外西南涡东侧低空急流的维持为暴雨的发生和持续提供了十分有利的条件。
5 集合预报效果分析下面就EC集合预报对“6·30”暴雨高原涡和西南涡的预报性能进行检验, 并进一步利用集合敏感性等方法探讨高原涡和西南涡的预报及不确定性对暴雨的影响。由于实际业务预报中集合预报资料的获取存在一段时间的滞后, 本文选取的模式起报时间是6月29日20:00, 6月30日08:00至7月1日08:00的24 h累计降水预报, 相当于模式的36 h时效预报。
5.1 集合预报对暴雨的预报效果图 5a给出了EC集合预报的6月30日08:00至7月1日08:00的24 h累计降水预报与实况观测的降水。从图 5a中可以看出, 集合平均对于暴雨的落区范围偏小, 位置偏西偏北, 对于遂宁附近的大暴雨没有反映, 这与集合平均平滑掉了较强的降水有关。
|
图 5 2013年6月30日08:00至7月1日08:00 24 h观测降水量(等值线, 单位: mm)和集合预报降水平均值(阴影区, 单位: mm) (a)及集合预报的12 h累积区域平均降水量箱须图(b) Figure 5 The observed (contours, unit: mm) and ensemble mean (the shaded, unit: mm) precipitation amount from 08:00 on 30 June to 08:00 on 1 July in 2013 (a), the boxplot of 12 h accumulated ensemble precipitation averaged over the box (b) |
实际上集合预报的优势在于相对于单一确定性预报给出的是多个成员预报结果, 从而给出了更多的预报信息。这里选取检验区域为暴雨发生的主要区域(104.5°E106.5°E, 29.5°N31.5°N), 得到区域平均的预报降水量。图 5b是集合预报的区域平均降水量的箱须图和对应的实况区域平均降水量。这里对前12 h和后12 h的降水量分别进行检验, 可以更加清楚地反映出白天和夜间降水预报的差别。图 5b显示, 6月30日08:0020:00观测降水为61.9 mm, 集合预报所有成员预报的降水量都明显地偏小。6月30日20:00至7月1日08:00观测降水为38.7 mm, 大部分成员预报的降水量相比白天有所增加, 并且个别集合成员预报的降水量与观测十分接近。同时, 箱须图可以直观地反映出集合预报的发散程度即预报的不确定性。图中箱子及端线之间的长度表明, 白天降水量的发散度较小, 而集合预报的降水量都与实况相差较大, 说明集合预报对6月30日白天暴雨预报总体较差。相对而言, 夜间降水量的发散度更大, 说明对6月30日夜间降水预报的不确定性较大, 但正是这种合理的发散度使得部分集合成员降水的预报效果较好。
5.2 集合预报对高原涡、西南涡的预报效果以FNL资料得到的低涡中心周围1个经纬度作为低涡的区域, 即用2°×2°格距的正方形代表低涡中心及附近区域, 为了分析集合预报对高原涡和西南涡的预报效果, 分别利用500 hPa和850 hPa两个层次上的位势高度和涡度表征高原涡和西南涡。图 6a给出了集合预报的高原涡位势高度以及利用FNL资料计算得到位势高度分析值。对于6月30日08:00 500 hPa高原涡, 集合预报的中位数为581.5 hPa, 略低于分析值, 并且绝大部分集合成员预报的位势高度都偏低。而6月30日20:00和7月1日08:00, 高原涡位势高度分析值都位于集合预报的箱子下边缘, 表明集合预报大部分成员预报的位势高度偏高。从高原涡的时间演变来看, 分析场的高原涡位势高度呈逐渐下降的趋势, 7月1日08:00相比前24 h下降了1.9 hPa, 而集合预报由于成员结果比较发散, 总体上没有反映出高原涡的加深过程, 仅在6月30日20:00到7月1日08:00有所体现。西南涡的演变趋势与高原涡相似, 也是逐渐加深的过程(图 6b)。集合预报除了6月30日08:00预报较分析值略偏低以外, 其余时刻集合预报中位数与分析值都较为接近, 因此, 集合预报对于低涡位势高度的预报中西南涡优于高原涡。
|
图 6 集合预报的高原涡(a, c)和西南涡(b, d)的位势高度(a, b)和涡度(c, d)的箱线图 Figure 6 The boxplot of geopotential height (a, b) and vorticity (c, d) of plateau vortex (a, c) and southwest vortex (b, d) of ensemble forecast |
高原涡的加强不仅是位势高度的降低, 同时气旋性涡度从6月30日开始逐渐增大(图 6c), 最大为7月1日08:00的10×10-5 s-1。集合预报的高原涡涡度中位数较好地反映出了涡度逐渐加强的特征, 但是涡度的预报较为发散, 特别是部分集合成员的涡度接近于零, 说明对高原涡的风场及涡度的预报不确定性较大。西南涡从形成以后一直维持较高的涡度(图 6d), 最大为7月1日08:00的8.8×10-5 s-1。集合预报所有成员在6月30日08:00都预报了西南涡涡度在4×10-5 s-1以上, 并且中位数与分析场十分接近, 因此集合预报对于西南涡的初生预报效果很好, 但是对之后两个时次的涡度预报都偏低。
对比图 6c和图 6d可以看出, 集合预报对西南涡涡度的预报发散度较高原涡小, 各成员与集合中位数的偏差更小。分析其原因, 一方面, 低涡的移动路径表明西南涡生成后位置较稳定, 而高原涡东移南压, 移动性更明显; 另一方面, 高原涡涡度从6月30日08:00开始明显加强, 涡度的增加幅度比西南涡更明显。邱静雅等(2015)分析了“6·30”暴雨过程高原涡的演变指出高原涡在6月2930日从高原移入四川盆地后强度减弱, 但30日开始当与西南涡垂直耦合后高原涡的涡度明显增强。因此, 西南涡的位置更稳定, 强度变化较小, 可能是其预报不确定性较小的原因。
6 高原涡、西南涡对暴雨影响分析 6.1 高原涡、西南涡的相互作用“6·30”暴雨过程中高原涡和西南涡的耦合是造成暴雨的重要因素, 以往的研究(陈忠明等, 2004)主要是定性地分析了高原涡和西南涡之间的相互作用。集合预报包含一组成员的预报结果, 并且隐式地包含了预报误差随天气形势变化, 因此可以从误差演变或预报不确定性的角度定量地分析低涡系统之间的相互作用。具体方法是将EC集合预报51个成员预报的高原涡位势高度视为一组序列, 将西南涡的位势高度视为另一组序列, 计算两者之间的相关系数。这里计算的同期相关系数反映的是两个低涡系统之间位势高度的协同变化程度, 相关系数越大, 表明两个低涡集合成员的变化越一致, 耦合程度越高。同样地, 可以计算涡度的相关系数。
表 1给出了高原涡和西南涡之间位势高度以及涡度的相关系数。从表 1可以看出, 位势高度的相关系数在6月30日08:00至7月1日08:00都在0.86以上, 并且超过了0.01的显著性检验, 说明集合预报的对流层中低层位势高度的变化是较为一致的。涡度的相关系数在6月30日08:00较小, 但随着时间逐步增大, 在7月1日08:00达到了0.495, 超过了0.01的显著性检验, 说明7月1日08:00高原涡和西南涡的涡度之间存在较高的耦合度。总体而言, 低涡动力特征量的相关系数都随着时间增大, 表明EC集合预报反映了高原涡和西南涡的逐步耦合加强的特征。高原涡和西南涡之间涡度的相关系数远不及高度, 说明高原上的流场预报存在更大的不确定性, 即便是在盆地, 流场的可预报性也明显低于高度场。
|
表 1 集合预报的高原涡和西南涡之间的相关系数 Table 1 The correlaiton coefficient between PV and SWV of ensemble forecast |
下面利用集合敏感性分析研究高原涡和西南涡的动力作用对暴雨的影响。按照公式(2), 将状态变量J取为5.1节中区域平均的集合预报降水量, 预报变量Xi取为集合预报的位势高度或涡度。通过计算两者之间的相关系数来分析和比较降水预报对高原涡和西南涡的敏感性。由于前面分析指出集合预报对白天降水和夜间降水的预报效果不一样, 因此需分时段进行研究。这里状态变量选取的是过程开始时刻, 如分析西南涡涡度对白天降水量的影响, 则计算6月30日08:00 850 hPa每个格点的涡度与随后12 h (6月30日08:0020:00) 区域平均降水量的相关系数, 进一步通过相关系数的空间场发现有天气学意义的敏感区。
图 7a给出了6月30日08:00 500 hPa位势高度与6月30日08:0020:00区域平均降水量的相关系数的空间分布, 阴影区表示相关系数通过了99%的显著性检验。从图 7a可以看出, 四川盆地中部存在显著的负相关区, 位于分析场中高原涡中心(104°E, 31.5°N)的东南侧, 表明降水量对高原涡中心东南侧的位势高度非常敏感, 即位势高度越低, 对应预报的白天降水量越大。这种负相关关系是符合天气学意义的, 高原涡东侧的低槽越深, 造成抬升运动越强, 越有利于降水偏强。图 7b是6月30日20:00 500 hPa位势高度与夜间降水量(6月30日20:00至7月1日08:00) 的相关系数空间分布。从图 7b中可以发现, 在四川盆地和重庆西部有成片的负相关, 位于分析场中高原涡中心(105°E, 30.5°N)的中心及东侧。另外, 超过显著性相关的范围比白天的更大, 相关系数中心绝对值达到0.5以上, 表明夜间降水量对高原涡位势高度更加敏感。同时分析其他层次位势高度与降水量的相关系数发现, 无论白天还是夜间的降水量与700 hPa和850 hPa的位势高度都存在负相关, 但是显著相关的区域较500 hPa小, 因此, 暴雨区的降水量特别是夜间降水量对高原涡的位势高度比西南涡更加敏感。
|
图 7 2013年6月30日08:00 500 hPa位势高度与08:0020:00区域降水量的相关系数(a, 等值线)及6月30日20:00 500 hPa位势高度与6月30日20:00至7月1日08:00区域降水量的相关系数(b, 等值线) 阴影区表示相关系数通过99%显著性水平检验 Figure 7 The correlation coefficient (contour) between geopotential height on 500 hPa at 08:00 on 30 June and averaged precipitation from 08:00 to 20:00 on 30 June (a), between geopotential height on 500 hPa at 20:00 on 30 June and averaged precipitation from 20:00 on 30 June to 08:00 on 1 July (b). The shaded indicates correlation coefficient that have passed the significant leval at 99% |
分析低涡的涡度与降水量的相关系数发现, 6月30日08:00高原涡东南侧西南风中存在涡度与降水量的正相关, 但是相关系数较小, 而西南涡涡度与降水则没有明显的相关(图略)。而夜间降水量与6月30日20:00的涡度有较好的相关, 图 8为500 hPa和850 hPa的涡度与暴雨区夜间降水量的相关系数。由图 8a可见, 相关系数在重庆的西部超过0.4, 通过0.01的显著性检验。从风场上来看, 相关系数大值区位于高原涡中心东南侧的西南风中, 该区域的涡度越大, 对应预报的夜间降水量就越大。肖递祥等(2016)发现高原涡东移加强与槽前西南气流有关, 槽前西南风增强, 致使涡度增加。对于西南涡(图 8b), 正相关区位于四川盆地中部, 超过0.4的正相关区位于东南风和东北风形成的西南涡中心附近, 比高原涡的显著相关范围小。
|
图 8 2013年6月30日20:00 500 hPa (a)和850 hPa (b)涡度与6月30日20:00至7月1日08:00区域降水量的相关系数(等值线) 矢量为集合平均的风场(单位: m·s-1), 阴影区表示相关系数通过99%显著性检验 Figure 8 The correlation coefficient (contour) between vorticity at 20:00 on 30 June and averaged precipitation from 20:00 on 30 June to 08:00 on 1 July in 2013.(a) 500 hPa, (b) 850 hPa. Vector indicates winds of ensemble mean (unit: m·s-1), the shaded indicates correlation coefficient that have passed the significant level at 99% |
以上位势高度和涡度的集合敏感性分析都表明, 低涡对6月30日夜间这一时段降水量的影响比白天更显著, 并且降水对高原涡更加敏感, 为了进一步分析高原涡和西南涡对夜间降水影响的差异, 下面针对集合预报的不同成员进行分析和比较。具体方法是选取集合成员中预报夜间区域平均降水最强的两个成员, 即第30成员和第38成员, 将它们进行合成平均, 记为“最优成员”, 同时选取控制预报成员作为对比。第30和第38成员预报的降水量分别是38.8 mm和38.7 mm, 与实况降水量(38.7 mm)非常接近, 控制预报的降水量为29.6 mm。由最优成员和控制预报的夜间降水量分布(图 9)可以看出, 最优成员预报的降水强度大于控制预报, 并且其25 mm以上降水的位置也更加接近于观测, 而控制预报的大雨雨带位置偏西偏北。
|
图 9 2013年6月30日20:00至7月1日08:00最优成员(a)和控制预报(b)的降水(阴影区)和观测降水(实线)(单位: mm) Figure 9 Forecast precipitation (the shaded) and observed precipitation (solid line) for best ensemble members (a) and control member (b) from 20:00 on 30 June to 08:00 on 1 July in 2013.Unit: mm |
图 10是夜间降水发生前6月30日20:00最优成员和控制预报的500 hPa和850 hPa位势高度, 并叠加了最优成员和控制预报的涡度差异值。由图 10可见, 最优成员预报的高原涡相对于控制预报位置偏东, 强度更强, 出现了582 hPa的闭合线。从涡度的差异上可以看到, 最优成员预报的涡度比控制预报更大, 最大差异值达到5×10-5 s-1以上。850 hPa上, 最优成员预报的盆地东侧的140 hPa线比控制预报偏东, 并出现了139 hPa的闭合线, 说明最优成员预报的西南涡相对于控制预报也更强, 涡度最大差异值在四川盆地中部约为1×10-5 s-1。
|
图 10 2013年6月30日20:00最优成员(实线)和控制预报(虚线)的500 hPa(a)和850 hPa(b)位势高度(单位: dagpm) 阴影区表示最优成员和控制预报的涡度差异(单位: 10-5s-1) Figure 10 Forecast geopotential height of best ensemble members (solid line) and control member (dashed line) on 500 hPa (a) and 850 hPa (b) at 20:00 on 30 June 2013.Unit: dagpm. The shaded indicates difference of vorticitiy between best and control member (unit: 10-5s-1) |
由集合成员的对比分析不难发现, 高原涡和西南涡的预报差异与6月30日夜间降水预报的差异有密切联系。一方面, 最优成员预报的高原涡和西南涡的涡度更强, 两者的动力耦合导致抬升作用更强, 造成预报的降水量强于控制预报。另一方面, 最优成员预报的高原涡和西南涡的位置更加偏东, 导致暴雨位置也偏东, 与观测更加接近。对比高原涡和西南涡的涡度值发现, 最优成员预报的高原涡涡度为8.9×10-5 s-1, 比控制预报大接近1倍, 但西南涡涡度与控制预报的差异不如高原涡, 说明最优成员与控制预报的差异更多地体现在高原涡上。前面对高原涡和西南涡的预报检验结果表明高原涡相对于西南涡预报不确定性较大, 6月30日20:00不同集合成员预报的高原涡强度、位置差异较大, 因此, 在这种情况下集合成员夜间降水量预报的差异更多地取决于对高原涡的预报, 控制预报及大部分成员对暴雨预报的偏差也主要源于对高原涡的预报偏差。
6.3 热力作用对暴雨的影响前面的分析指出高原涡和西南涡对暴雨的影响主要体现在6月30日夜间而不是白天, 注意到集合预报对白天降水量预报明显偏小, 预报发散度较小, 这种较小的离散度不利于从统计上捕捉降水量对其他变量的敏感性, 这是导致高原涡和西南涡动力特征量与白天降水量相关不显著的原因之一。实际上, “6·30”暴雨过程白天的降水具有对流降水的特点(图 1b), 因此有必要进一步考察热力不稳定条件对暴雨的影响。
图 11是EC集合预报暴雨中心(105°E106°E, 30°N31°N)的K指数和对流有效位能CAPE的逐6 h演变。由图 11可见, 6月30日08:00暴雨中心区分析场的K指数已达到40, 表明中低层大气已处于热力不稳定状态。14:00相比于08:00, CAPE值迅速增加到1000 J·kg-1以上, 这种高温高能的条件十分有利于对流性暴雨的发生。虽然到了6月30日20:00, K指数还略有增加, 但CAPE已经有所减小, 说明已经有不稳定能量的释放, 到了7月1日02:00, K指数和CAPE值都进一步减小, 对应降水强度明显减弱。
|
图 11 暴雨中心(105°E106°E, 30°N31°N)集合预报的K指数(a)和对流有效位能CAPE(b) Figure 11 K index (a) and CAPE (b) of ensemble forecast at heavy precipitation center (105°E106°E, 30°N31°N) |
集合预报的CAPE和K指数的中位数峰值都出现在6月30日20:00, 而对于08:00的K指数预报较分析值明显偏低。集合预报没有反映出08:0014:00 CAPE迅速增大的过程, 因此, 集合预报对于白天的热力不稳定条件和不稳定能量的积累是预报偏弱的, 导致对白天对流性降水预报明显偏弱。由此可见, “6·30”暴雨过程白天和夜间降水的形成机制有所不同, 6月30日白天的暴雨主要是由于西南涡东侧偏南风急流输送的不稳定能量造成的, 热力作用比较明显, 而全球集合预报对于这种对流性降水的预报能力还比较有限, 这是导致高原涡和西南涡动力特征量与白天降水量相关系数较小的另一个原因。30日夜间的暴雨主要是由于高原涡和西南涡垂直耦合加强引发的, 动力抬升作用更明显, 集合预报较好地反映出了这一过程, 因而夜间降水对于高原涡和西南涡的动力特征量更加敏感。
7 结论和讨论针对2013年6月30日一次高原涡和西南涡作用下的四川盆地暴雨过程, 对高原涡和西南涡的移动和耦合过程进行了诊断分析, 重点利用EC集合预报资料分析了高原涡和西南涡的相互作用以及低涡预报不确定性对暴雨的影响, 得到如下主要结论:
(1)“6·30”暴雨过程具有持续时间长、降水集中和强度大的特点。高原涡东移过程中与西南涡耦合, 并在6月30日20:00以后同时加强, 是导致四川盆地东部持续性暴雨的关键因素。
(2) 集合预报对于西南涡位势高度的预报优于高原涡。对于涡度, 集合预报对西南涡的初生预报效果较好, 对位置更稳定的西南涡的预报效果优于高原涡, 并且预报不确定性更小。
(3) 利用相关系数定量地分析了高原涡和西南涡的相互作用, 两个低涡之间的位势高度和涡度的相关系数都随时间逐步增大, 表明两个低涡呈现出逐步耦合加强的特征。
(4) 集合敏感性分析可以用来揭示降水预报对于环流系统的敏感性, 结合高度场和风场能够反映出高原涡和西南涡对暴雨的影响。此次过程暴雨区的降水预报对高原涡比西南涡更加敏感, 在西南涡预报不确定性较小的情况下, 高原涡的预报是影响降水量预报的关键因子, 最优集合成员与控制预报相比, 预报的高原涡强度更强, 位置偏东, 相应的降水预报与实况更加接近。
(5) 此次暴雨过程白天和夜间降水的形成机制有所不同, 白天的暴雨主要是由于西南涡东侧偏南风急流输送不稳定能量造成的, 热力作用比较明显。夜间暴雨主要是高原涡和西南涡耦合加强引发的, 动力作用更加显著, 因而夜间暴雨对于低涡的动力特征量较为敏感。
通过集合预报资料研究了一次四川盆地暴雨过程中高原涡和西南涡的相互作用, 并对暴雨预报的不确定性及原因增加了新的认识, 此外揭示的敏感系统及区域对于改善单一确定性预报的偏差有一定的参考意义。需要指出的是全球集合预报模式中主要反映的是天气尺度或次天气尺度特征, 初始扰动中未包含中小尺度的信息, 而高原涡和西南涡的相互作用是一个复杂的过程(肖红茹等, 2009; 陈永仁和李跃清, 2013), 相关中尺度特征及暴雨形成机制还有待利用更高分辨率的数值模拟试验进行更深入的研究。
Li J, Du J, Zhang D L, et al. 2014. Ensemble-based analysis and sensitivity of mesoscale forecasts of a vortex over southwest China[J]. Quart J Roy Meteor Soc, 140(680): 766–782.
DOI:10.1002/qj.2200 |
|
Qian C H, Zhang F Q, Benjamin W G, et al. 2013. Probabilistic evaluation of the dynamics and prediction of supertyphoon Megi (2010)[J]. Wea Forecasting, 28: 1562–1577.
DOI:10.1175/WAF-D-12-00121.1 |
|
Schumacher R S. 2011. Ensemble-basedanalysis of factors leading to the development of multiday warm-season heavy rainfall event[J]. Mon Wea Rev, 139: 3016–3035.
DOI:10.1175/MWR-D-10-05022.1 |
|
Torn R D, Hakim G J. 2008. Ensemble-based sensitivity analysis[J]. Mon Wea Rev, 136: 663–677.
DOI:10.1175/2007MWR2132.1 |
|
陈静, 陈德辉, 颜宏. 2002. 集合数值发展与研究进展[J]. 应用气象学报, 13(4): 497–507.
Chen Jing, Chen Dehui, Yan Hong. 2002. A brief review on the development of ensemble prediction system[J]. J Appl Meteor Sci, 13(4): 497–507.
|
|
陈静, 李川, 冯汉中, 等. 2004. 青藏高原东侧"2003. 8. 28"暴雨的集合预报试验[J]. 高原气象, 23(1): 6–14.
Chen Jing, Li Chuan, Feng Hanzhong, et al. 2004. Short-Range ensemble simulation of "2003. 8. 28" heavy rain on the east side of Qinghai-Xizang Plateau[J]. Plateau Meteor, 23(1): 6–14.
|
|
陈永仁, 李跃清. 2013. "12. 7. 22"四川暴雨的MCS特征及对短时强降雨的影响[J]. 气象, 39(7): 848–860.
DOI:10.7519/j.issn.1000-0526.2013.07.006 Chen Yongren, Li Yueqing. 2013. Characteristics of mesoscale convective system and its effects on short-time severe rainfall in Sichuan Basin during 21-22 July 2012[J]. Meteor Mon, 39(7): 848–860.
DOI:10.7519/j.issn.1000-0526.2013.07.006 |
|
陈朝平, 冯汉中, 陈静. 2010. 基于贝叶斯方法的四川暴雨集合概率预报产品释用[J]. 气象, 36(5): 32–29.
DOI:10.7519/j.issn.1000-0526.2010.05.004 Chen Chaoping, Feng Hanzhong, Chen Jing. 2010. Application of Sichuan heavy rainfall ensemble prediction probability products based on bayesian method[J]. Meteor Mon, 36(5): 32–29.
DOI:10.7519/j.issn.1000-0526.2010.05.004 |
|
陈忠明, 闵文彬, 繆强, 等. 2004. 高原涡与西南涡耦合作用的个例诊断[J]. 高原气象, 23(1): 75–80.
Chen Zhongming, Min Wenbin, Miao Qiang, et al. 2004. A case study on coupling interaction between plateau and Southwest Vortexes[J]. Plateau Meteor, 23(1): 75–80.
|
|
杜钧, 李俊. 2014. 集合预报方法在暴雨研究和预报中的应用[J]. 气象科技进展, 4(5): 6–20.
Du Jun, Li Jun. 2014. Application of ensemble methodology to heavy-rain research and prediction[J]. Adv Meteor Sci Technol, 4(5): 6–20.
|
|
江玉华, 杜钦, 赵大军, 等. 2012. 引发四川盆地东部暴雨的西南低涡结构特征研究[J]. 高原气象, 31(6): 1562–1573.
Jiang Yuhua, Du Qin, Zhao Dajun, et al. 2012. Study on structure characteristic of southwest vortex accompanying with heavy rainstorm in east Sichuan Basin[J]. Plateau Meteor, 31(6): 1562–1573.
|
|
康岚, 郝丽萍, 牛俊丽. 2012. 引发暴雨的西南低涡结构特征研究[J]. 高原气象, 31(6): 1435–1443.
Kang Lan, Hao Liping, Niu Junli. 2012. Feature analysis on Southwest Vortex of triggering rainstorm[J]. Plateau Meteor, 31(6): 1435–1443.
|
|
刘富明, 杜文杰. 1987. 触发四川盆地暴雨的高原涡的形成和东移, 夏半年青藏高原对我国天气的影响, 青藏高原气象研究文集[M]. 北京: 科学出版社, 123-134.
Liu Fuming, Du Wenjie. 1987. Formation and eastward moving of plateau vortex triggering heavy rain over Sichuan Basin. Influence of Tibetan plateau on weather of China during summer half year. Study on the Tibetan Plateau[M]. Beijing: Science Press, 123-134.
|
|
繆强, 刘波, 袁立新. 1999. 青藏高原天气系统与背风坡浅薄天气系统耦合相互作用的特征分析[J]. 四川气象, 19(3): 18–22.
Miu Qiang, Liu Bo, Yuan Lixin. 1999. Analysis of coupling interaction between weather system of Qinghai-Xizang plateau and shallow weather system of leeward slope[J]. J Sichuan Meteor, 19(3): 18–22.
|
|
邱静雅, 李国平, 郝丽萍. 2015. 高原涡与西南涡相互作用引发四川暴雨的位涡诊断[J]. 高原气象, 34(6): 1556–1565.
DOI:10.7522/j.issn.1000-0534.2014.00117 Qiu Jingya, Li Guoping, Hao Liping. 2015. Diagnostic analysis of potential vorticity on a heavy rain in Sichuan Basin under interaction between plateau vortex and Southwest Vortex[J]. Plateau Meteor, 34(6): 1556–1565.
DOI:10.7522/j.issn.1000-0534.2014.00117 |
|
孙俊, 邓国卫, 张渝杰, 等. 2014. "13. 6. 30"遂宁市特大暴雨成因的初探[J]. 气象, 40(10): 1174–1182.
DOI:10.7519/j.issn.1000-0526.2014.10.002 Sun Jun, Deng Guowei, Zhang Yujie, et al. 2014. Primary study of the extreme rainfall event in Suining City on 30 June 2013[J]. Meteor Mon, 40(10): 1174–1182.
DOI:10.7519/j.issn.1000-0526.2014.10.002 |
|
屠妮妮, 陈静, 何光碧. 2008. 高原东侧一次大暴雨过程动力热力特征分析[J]. 高原气象, 27(4): 796–806.
Tu Nini, Chen Jing, He Guangbi. 2008. Dynamical and thermal character analyses of a heavy rain on the east side of Qinghai-Xizang Plateau[J]. Plateau Meteor, 27(4): 796–806.
|
|
肖递祥, 郁淑华, 屠妮妮. 2016. 高原低涡移出高原后持续活动的典型个例分析[J]. 高原气象, 35(1): 43–54.
DOI:10.7522/j.issn.1000-0534.2015.00002 Xiao Dixiang, Yu Shuhua, Tu Nini. 2016. Analysis of typical sustained plateau vortexes after departure[J]. Plateau Meteor, 35(1): 43–54.
DOI:10.7522/j.issn.1000-0534.2015.00002 |
|
肖红茹, 顾清源, 何光碧, 等. 2009. 一次大暴雨过程中高原低涡与西南低涡相互作用机制探讨[J]. 暴雨灾害, 28(1): 14–20.
Xiao Hongru, Gu Qingyuan, He Guangbi, et al. 2009. Mechanism of the interaction between plateau vortex and southwest vortex during a heavy rain event[J]. Torrential Rain Disaster, 28(1): 14–20.
|
|
郁淑华, 高文良, 彭骏. 2012. 青藏高原低涡活动对降水影响的统计分析[J]. 高原气象, 31(3): 592–604.
Yu Shuhua, Gao Wenliang, Peng Jun. 2012. Statistical analysis on influence of Qinghai-Xizang Plateau vortex activity on precipitation in China[J]. Plateau Meteor, 31(3): 592–604.
|
|
宗志平, 张小玲. 2005. 2004年9月2~6日川渝持续性暴雨过程初步分析[J]. 气象, 31(5): 37–41.
DOI:10.7519/j.issn.1000-0526.2005.05.008 Zong Zhiping, Zhang Xiaoling. 2005. Analysis on heavy rain events in Sichuan and Chongqing during 2~6 september 2004[J]. Meteor Mon, 31(5): 37–41.
DOI:10.7519/j.issn.1000-0526.2005.05.008 |
|
宗志平, 陈涛, 徐珺, 等. 2013. 2012年初秋四川盆地两次西南涡暴雨过程的对比分析与预报检验[J]. 气象, 39(5): 567–576.
DOI:10.7519/j.issn.1000-0526.2013.05.004 Zong Zhiping, Chen Tao, Xu Jun, et al. 2013. Analysis and forecast verification of two southwest votex torrential rain events in Sichuan Basin in early autumn of 2012[J]. Meteor Mon, 39(5): 567–576.
DOI:10.7519/j.issn.1000-0526.2013.05.004 |