2. 高原与盆地暴雨旱涝灾害四川省重点实验室, 四川 成都 610072;
3. 中国气象科学研究院灾害天气国家重点实验室, 北京 100081
高原低值系统(西南涡、高原涡、高原切变线等)及其引发的灾害性暴雨天气一直是气象工作者关注的重点(叶笃正等, 1979; 章基嘉等, 1988; 罗四维等, 1992; 卢敬华, 1986), 而应用数值模拟是研究和预报低涡暴雨常用的主要手段(Shen et al, 1986; Kuo et al, 1988; 王智等, 2003; 姜勇强等, 2004; 赵大军等, 2011; 卜玉康等, 1993)。在目前的模式发展水平下, 同化更多有效、准确的观测资料对于改进模式初始场和模拟结果, 提升预报水平有着重要的影响。覃月凤等(2015)利用ARPS模式同化多普勒天气雷达资料分析了一次西南涡暴雨过程, 结果表明同化试验能较好刻画初始场回波的强中心和大致分布, 多次循环同化试验的强降水区存在β中尺度气旋性涡旋, 配合低层强辐合, 增强上升运动和西南涡的发展。卢萍等(2016)基于AREM模式, 结合西南涡加密观测试验资料, 对2012年7月3-4日的四川区域性暴雨进行数值模拟得到降雨带分布主要取决于西南涡移动路径, 不同初值使得低涡路径在磨合协调期产生强摆动, 稳定后随着环境流场继续发展移动。母灵等(2014)利用WRF-3DVAR循环同化西南涡加密观测资料, 对2012年7月2-4日的西南涡暴雨过程进行数值模拟, 指出同化试验对模拟效果有较理想的改进, 低涡初生阶段是浅薄涡旋环流系统, 高层辐散强度大于低层辐合, 低涡低层受高能暖湿空气控制, 为暖心结构。邬惠峰等(2002)利用常规探空资料以及地面站点资料, 对1999年6月25-29日发生在长江中下游流域的低涡活动进行中尺度四维同化模拟, 分析发现低涡形成后, 前期高能舌未东移, 高空辐散中心与低涡中心重合或略偏后于低涡中心, 低涡东移阶段, 当其移动到高低空急流的耦合区时, 低涡东移并迅速发展。郝丽萍等(2016)基于常规气象观测资料、卫星云图资料以及NCEP再分析资料, 运用WRF模式对2013年6月29日至7月1日出现在四川盆地的暴雨天气进行模拟分析, 研究指出:湿位涡的水平和垂直分量分布都能较好地指示降水落区, 高原水平切变线上风切变的大小对于切变线上扰动的形成与维持以及西南涡暴雨的形成有重要作用。许威杰等(2017)利用WRF模式模拟了2009年7月29日的一次高原低涡过程, 发现在不考虑凝结潜热加热的敏感性试验中, 模式模拟的低涡移动迟滞, 降水量减少, 并在移动至高原中部后迅速减弱消失。卢萍等(2015)将西南涡加密探空资料引入模式初值并进行敏感性试验, 结果表明, 同化试验中, 四川东北部地区700 hPa位势高度普遍偏低, 川西高原及边坡地带整层水汽含量显著偏少, 而川北地区却偏多, 低涡路径的强波动主要发生在模拟前期, 从降水量来看, 低涡滞留时间越长, 降水量则越大。宋雯雯等(2016)利用WRF模式、NCEP资料以及常规资料对2013年6月29日至7月2日一次四川盆地低涡暴雨过程进行数值模拟和分析, 结果表明此次暴雨是由西南涡与高原涡共同作用下引起, 西太平洋副热带高压西伸并稳定在四川盆地, 导致了高原涡与西南涡的停滞不前。王晖等(2017)利用WRF模式输出的高分辨率资料对2012年7月29-30日宁夏北部的一次暴雨过程进行分析, 指出700 hPa低涡及暖式切变线、低空急流是形成大暴雨的主要原因。
但是, 由于青藏高原主体及周边地区观测台站稀少, 观测频次较低, 尤其是缺少气象要素层次丰富的探空观测, 这极大限制了对高原低值系统的精细化研究和业务预报水平。因此, 本文将应用西南区域数值预报业务系统, 结合中国气象局汛期高空加密观测资料, 对2013年6月29-30日的一次低涡暴雨过程进行初值敏感性试验, 以分析加密观测资料在低涡暴雨模拟与预报中的重要作用。
2 资料选取和模式介绍 2.1 资料选取所用资料包括2013年6月29日06 : 00(世界时, 下同)至30日06 : 00美国环境预报中心全球预报模式资料NCEP GFS 0. 5°×0. 5°资料, 常规业务观测资料以及2013年全国汛期高空加密观测资料。中国气象局于2013年6月1-30日, 在全国112个探空站点每日00 : 00, 12 : 00原有业务探空观测基础上, 增加了每日06 : 00的加密观测, 获取了标准等压面层气象要素资料, 包括:温度, 相对湿度, 高度, 露点温度, 风向, 风速等。
2.2 模式介绍使用模式为西南区域数值预报模式系统(Southwest Center -WRF ADAS Real-time Modeling System), 基于ADAS资料同化系统和WRF3.5. 1模式, 模拟区域涵盖我国大部分地区(图 1), 模式水平分辨率9 km, 水平格点630×400, 垂直方向51层, 积分步长为45 s, 积分时间为72 h, 起报时间为每日00 : 00, 06 : 00, 12 : 00和18 : 00, 资料输出时间间隔为1 h, 同化气象要素包括温度、位势高度、露点温度和经向风与纬向风等, 该模式系统2016年通过国家业务准入, 对西南地区暴雨, 尤其是暖区暴雨有较好的预报效果, 在西南区域天气预报业务中发挥着重要的作用。模式系统的参数化方案配置为:微物理参数化选取Thompson方案, 边界层参数化选取YSU方案, 长波辐射和短波辐射参数化选取RRTM方案, 陆面参数化选取Noah方案, 另外, 关闭了积云对流参数化方案。控制试验为常规数值预报业务模式, 同化试验是在控制试验基础上同化了29日06 : 00的全国汛期加密观测资料。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为[图川审(2018)77号]的标准地图制作, 底图无修改。
![]() |
图 1 西南区域中心数值模式系统模拟区域 Fig. 1 The simulation area of the Southwest Center-WRF ADAS Real-time Modeling System |
2013年6月29-30日, 四川中东部地区出现了一次由西南涡引发的暴雨天气过程[图 2(a)], 强降雨主要位于四川盆地西部的绵阳、德阳以及四川东部的遂宁地区, 有13个站点24 h累计降雨超过100 mm, 其中遂宁一地(105. 55°E, 30. 50°N)24 h降雨达到205. 1 mm, 超过当地降雨历史极值。基于西南区域数值预报模式系统, 使用全国汛期加密观测资料的同化试验[图 2(c)]与控制试验[图 2(b)]对比可发现, 控制试验模拟结果降雨落区主要位于川西高原边坡地带, 整体明显偏西, 与实况相差较大, 尤其是四川东部的强降雨中心没有模拟出来, 四川东北部的雨区位置更偏东, 模拟效果一般。而同化试验成功模拟出四川东部的强降雨中心, 盆地西部主要雨带较控制试验偏东, 与实况更为接近, 四川东北部的大值中心也与实况更为吻合, 可以看出同化加密观测资料对此次暴雨天气的模拟有明显改进。
![]() |
图 2 2013年6月29日06 : 00至30日06 : 00实况(a)、控制实验(b)以及同化实验(c)24 h累计雨量(单位: mm)红色椭圆为实况降雨主要降水中心 Fig. 2 Distribution of 24 h precipitation in the actual situation (a), control experiment (b) and assimilation experiment (c) from 06 : 00 on 29 to 06 : 00 on 30 June 2013.Unit: mm. The red ellipse is the major precipitation center of actual precipitation |
从两组试验的降雨模拟结果(图 2)看, 同化加密观测资料对降雨模拟改进相对明显的区域位于四川盆地中东部地区。通过对盆地中部乐至县(105. 03°E, 30. 28°N)单站逐3 h降雨变化进行分析(图 3)可以看出, 乐至县的降雨呈现出增强—减弱—再增强的变化, 降雨峰值出现在29日18 : 00至30日00 : 00之间, 29日21 : 00 3 h降雨达到39. 5 mm, 随后降雨逐渐减小, 30日06 : 00又出现了一次降雨过程。由于数值模拟结果低涡在东移过程中其位置与实况比相对偏南(图略), 30日00 : 00, 观测实况中低涡东侧急流已位于乐至上空, 而模拟试验低涡东侧急流位置偏南, 西南涡位置的不同及其东侧的急流摆动会对局地降雨造成影响, 因此, 两组试验模拟降水的峰值出现时间与实况略有差别, 但同化试验降雨强度和实况更为接近, 同化试验中, 29日18 : 00的3 h雨量达26 mm, 接近实况降雨峰值, 21 : 00, 降雨再次加强, 较完整的表现出加强—减弱—再加强的实况降雨过程。而控制试验没能模拟出乐至站降雨的变化趋势, 且降雨峰值时段3 h累计雨量仅为7 mm, 强度明显偏弱。
![]() |
图 3 2013年6月29日06 : 00至30日06 : 00四川乐至观测站实况、控制实验以及同化实验逐3 h降雨(单位: mm) Fig. 3 Time series of 3 h rainfall in the actual situation, control experiment and assimilation experiment from 06 : 00 on 29 to 06 : 00 on 30 June 2013.Unit: mm |
本次暴雨过程主要由对流层中低层西南涡活动引起, Cheng et al(2016)基于探空观测资料对本次过程的研究指出, 气旋型风场扰源于29日00 : 00出现于川西高原盐源地区, 并在24 h内沿东北路径移至四川盆地中西部, 西南涡发展加强, 形成闭合低压中心。控制试验与同化试验都模拟出了与实况接近的西南涡活动, 与控制试验相比, 同化试验中西南涡出现更早(图 4), 29日21 : 00, 四川盆地西部出现一完整的气旋式流场, 低涡中心位于103.5°E, 30. 5°N附近, 但控制试验模拟结果气旋式环流较弱, 气旋流场中心气流较散乱。30日00 : 00, 同化试验低涡东移、发展强烈, 影响范围扩大, 其中心出现闭合气旋式环流, 而控制试验气旋式流场相对较弱。03 : 00, 低涡东移至四川盆地中部, 强盛的西南急流使得低涡持续发展, 其轴线呈西南—东北向, 控制试验中首次出现闭合气旋式环流, 且轴线为东—西走向。通过对比可以发现, 同化加密观测资料能够使西南涡系统出现更早, 强度更强, 与实况更为一致。
![]() |
图 4 2013年6月29-30日控制试验(a~c)与同化试验(d~f) 700 hPa模拟流场 Fig. 4 The stream simulation at 700 hPa of control experiments (a~c) and assimilation experiments (d~f) from 29 to 30 June 2013 |
由于同化加密观测资料对降水模拟的改进主要源于对初始场的改变, 下面, 将分析同化前后各气象要素场与诊断量的初值差异。从同化试验与控制试验各层的位势高度差(图 5)中可以看出, 对流层中层500 hPa, 两组试验的位势高度场差异并不明显。而低层700 hPa, 四川盆地东南部即重庆西南地区存在一差异低值中心, 强度达到-6 gpm, 低值范围覆盖整个盆地区域, 且低值梯度与地形梯度分布相吻合。低层850 hPa, 差异低值中心分布与700 hPa类似, 但范围和强度有所减弱, 强度也达-5 gpm。试验对比表明加密观测资料的引入对盆地内的高度场有着明显的调整作用, 显著的降低减压更利于低涡的初生和发展。
![]() |
图 5 2013年6月29日06 : 00 500 hPa (a)、700 hPa (b)以及850 hPa (c)同化试验与控制试验位势高度差值(单位: gpm) Fig. 5 Distribution of the potential height difference between control experiment and assimilation experiment at 500 hPa (a), 700 hPa (b) and 850 hPa (c) at 06 : 00 on 29 June 2013.Unit: gpm |
由于对流层中低层较强的南风有利于西南涡的发展与移动, 下面, 将分析同化试验与控制试验的经向风差异。分析表明: 500 hPa[图 6(a)], 除四川西南部为差异负值区外, 四川大部均为差异正值区, 主要呈西北—东南向, 强中心位于四川盆地西部, 达到2 m·s-1。700 hPa[图 6(b)], 四川盆地上空仍为差异正值区, 但强度较弱, 主要呈东北—西南走向。850 hPa[图 6(c)], 盆地西部为负值区, 中心强度为-1. 5 m·s-1, 东部为正值区, 中心强度为1 m·s-1, 四川盆地内经向风切变增强, 这种西低东高的经向风差值分布更易在盆地内形成气旋式流场。因此, 同化试验的对流层中低层南风更强, 较强的南风在青藏高原东侧边缘的地形摩擦作用下更容易激发出西南涡系统。
![]() |
图 6 2013年6月29日06 : 00 500 hPa (a)、700 hPa (b)以及850 hPa (c)同化试验与控制试验经向风差值(单位: m·s-1) Fig. 6 Distribution of the meridional wind difference between assimilation experiment and control experiment at 500 hPa (a), 700 hPa (b) and 850 hPa (c) at 06 : 00 on 29 June 2013.Unit: m·s-1 |
由于西南涡的出现常伴有气旋式流场, 但真实流场包含信息较为复杂, 往往难以清晰地反映出低涡的旋转特性。因此, 根据Helmholtz理论(吴望一, 2009), 可把二维风矢量ν分解为旋转风νR和辐散风νD, 分别表征风场的旋转风部分和辐散风部分, 图 7为两组试验的旋转风差值流场。从图 7中可以看出, 500 hPa, 差异主要体现在旋转风风速上, 旋转风风向未有明显变化。而700 hPa, 强盛的经向旋转风差值出现在四川盆地东部, 这与图 6相吻合, 差值流场在川西高原边坡沿地形气旋式绕流, 动力上易激发西南涡。850 hPa, 四川盆地东南部存在一完整的气旋式差值流场, 这表明对流层低层存在更强的气旋式扰动, 有利于低层涡旋的形成, 即西南涡的发生发展。
![]() |
图 7 2013年6月29日06 : 00 500 hPa (a)、700 hPa (b)以及850 hPa (c)同化试验与控制试验旋转风差值流场(单位: m·s-1) Fig. 7 Distribution of rotational wind difference between assimilation experiment and control experiment at 500 hPa (a), 700 hPa (b) and 850 hPa (c) at 06 : 00 on 29 June 2013.Unit: m·s-1 |
由于低层的高能暖湿空气易促发对流不稳定, 从而激发或加强西南涡, 产生暴雨天气。两组试验位温差异(图 8)表明, 500 hPa[图 8(a)], 四川盆地南部与北部为正位温差值区, 盆地西北部与东部为负位温差值区, 但强度都较小, 说明同化加密观测资料对盆地内500 hPa位温改变不明显; 700 hPa[图 8(b)], 四川盆地东南部有一正位温差值区, 中心强度达到0. 6 K, 表明盆地内700 hPa南方暖湿空气加强; 850 hPa[图 8(c)], 整个四川盆地均为负值区, 盆地东北部存在一强负值中心, -0. 6 K区域几乎覆盖整个盆地, 同化试验使低层850 hPa空气更加干冷, 且越往东北部调整越大。这反映了中高纬干冷空气从东北经低层向四川盆地的侵入。
![]() |
图 8 2013年6月29日06 : 00 500 hPa (a)、700 hPa (b)以及850 hPa (c)同化试验与控制试验位温差值(单位: K) Fig. 8 Distribution of potential temperature difference between assimilation experiment and control experiment at 500 hPa (a), 700 hPa (b) and 850 hPa (c) at 06 : 00 on 29 June 2013.Unit: K |
从两组试验的涡度差异(图略)可以看出, 500 hPa, 同化加密观测资料对涡度的改变主要体现在川西高原和四川盆地周围, 盆地西北部与东南部为负值区, 盆地东北部与西南部为正值区, 盆地内的涡度变化不大。700 hPa与500 hPa类似, 四川盆地内涡度改变很小, 差异大值区主要位于盆地西南部, 存在正涡度差值中心。850 hPa, 整个四川盆地内都为正差异区, 尤其是盆地北部与东南部, 两个正涡度差值中心都达到3×10-5 s-1, 增强的低层正涡度有利于西南涡的发生发展。
4.2 纬向剖面分析为了对比不同试验初值场在垂直方向的分布特征, 分析了要素场差值的纬向垂直分布(图 9)。从图 9中可以看出, 对于位势高度场, 同化加密观测资料后四川盆地近地层至对流层中层降低减压十分显著, 负位势高度差值区横跨3个经距, 最强负值中心位于106°E, 750 hPa附近强度达到-7 gpm, 低层850~700 hPa强烈降低减压是促发西南涡的重要原因。从风场来看, 整个四川盆地上空以偏西风为主, 盆地西部边坡(104°E附近)差值上升气流明显, 上升运动延伸至500 hPa附近, 而盆地东部则为下沉气流, 同化试验盆地西部上空的强上升气流也为西南涡发生提供了动力条件。从涡度和位温场来看, 两组试验的涡度差异主要体现在对流层800 hPa以上为弱负差异区, 以下为正差异区, 正差值中心位于四川盆地东部, 涡度差值强度为3×10-5 s-1。而750 hPa以下位温为负差异区, 以上主要为正差异区, 正位温差值中心区主要出现在700 hPa高度, 106°E-107°E差值中心达到0. 6 K, 表明同化加密观测资料后近地层空气更为干冷。
![]() |
图 9 2013年6月29日06 : 00同化试验与控制试验位势高度(a, 等值线, 单位: gpm)风场(b, 矢量, 单位: m·s-1)涡度(c, 阴影, 单位: ×10-5 s-1)和位温(c, 等值线, 单位: K)沿29°N差值纬向分布 Fig. 9 Differences distribution of potential height (a, contour, unit: gpm), wind (b, vector, unit: m·s-1), vorticity (c, the shaded, unit: ×10-5 s-1) and potential temperature (c, contour, unit: K) in vertical section along 29°N between assimilation experiment and control experiment at 06 : 00 on 29 June 2013 |
从位势高度差值场的经向剖面[图 10(a)]可以看出, 四川盆地500 hPa以下整个层次均为负值区, 低值中心位于29. 5°N, 750 hPa附近, 强度达到-7 gpm以上, 同化加密观测资料对对流层中低层的降低减压作用明显。从风场[图 10(b)]来看, 四川盆地上空对流层中层以偏南风为主, 对流层低层以偏北风为主, 同化试验表现出了对流层中低层更强的垂直风切边, 另外, 盆地南部与北部均存在差值下沉气流。从涡度和位温场[图 10(c)]分布来看, 四川盆地南部对流层低层存在正差值涡度中心, 强度为3×10-5 s-1, 同化试验对对流层低层涡度改变较为显著。正位温差值位于28°N-30°N, 700 hPa附近, 800 hPa以下均为位温差值负值区, 同化加密观测资料使近地层空气变得干冷, 表明低层偏东北路径更强的干冷空气入侵。
![]() |
图 10 2013年6月29日06 : 00同化试验与控制试验位势高度(a, 等值线, 单位: gpm)风场(b, 矢量, 单位: m·s-1)涡度(c, 阴影, 单位: ×10-5 s-1)和位温(c, 等值线, 单位: K)沿106°E差值经向分布 Fig. 10 Differences distribution of potential height (a, contour, unit: gpm), wind (b, vector, unit: m·s-1), vorticity (c, the shaded, unit: ×10-5 s-1) and potential temperature (c, contour, unit: K) in vertical section along 106°E between assimilation experiment and control experiment at 06 : 00 on 29 June 2013 |
结合2013年全国汛期加密探空观测资料, 利用西南区域数值模式业务系统对四川盆地一次西南涡暴雨过程进行了数值模拟和初值敏感性试验, 得到以下主要结论:
(1) 同化汛期加密观测资料对本次暴雨过程的降雨模拟改进较为明显, 尤其是对四川盆地中东部地区的强降雨中心, 四川东北部的降雨中心落区也更接近实况。并且, 同化试验使得西南涡的出现时间更早, 强度更强。
(2) 同化加密观测资料对四川盆地对流层中低层的降低减压作用明显, 也使从盆地东部进入的偏南风更强, 低层涡度更大, 并在对流层低层出现了旋转风涡旋扰动, 这都更有利于西南涡的初生、发展。另外, 同化试验对位温的改变相对较小。
(3) 初值差值的垂直剖面分析表明, 同化试验对四川盆地上空降低减压作用延伸至500 hPa以上, 强降压中心位于700 hPa附近, 强度达到-7 gpm。正涡度差值中心主要位于盆地东南部的对流层低层区域。差值风场在盆地西部表现为强上升, 盆地东部为强下沉, 盆地西部的强上升运动更有利于低涡的形成和发展。
(4) 同化与控制试验的单站降雨模拟对比得到, 同化试验对四川盆地中部乐至站降雨模拟无论是降雨峰值还是降雨趋势都更接近实况, 而控制试验模拟的降雨没能表现出降雨极值中心和整个降雨变化过程。
虽然结合加密观测资料能进一步有效捕捉低涡系统及其降水变化, 尤其是一些出现在夏日午后大气层结相对不稳定时期的低涡暴雨天气, 通过06 : 00的探空加密观测可有效弥补观测频次低、难以捕捉其变化信息的问题。但是, 对于青藏高原周边地区一些夜雨气候突出的区域, 还需要提高观测时间和空间的分辨率, 加强数值模式系统的资料同化, 更好地改进模式系统的初始场, 这对于改进数值预报业务技术水平具有重要意义。
Cheng X L, Li Y Q, Xu L. 2016. An analysis of an extreme rainstorm caused by the interaction of the Tibetan Plateau vortex and the southwest China vortex from an intensive observation[J]. Meteorology and Atmospheric Physics, 128(3): 375–376.
|
|
Kuo Y H, Cheng L S, Bao J W. 1988. Numerical simulation of the 1981 Sichuan flood.PartI:Evolution of a mesoscale southwest vortex[J]. Monthly Weather Review, 116(12): 2481–2504.
DOI:10.1175/1520-0493(1988)116<2481:NSOTSF>2.0.CO;2 |
|
Shen R J, Reiter E R, Bresch J F. 1986. Numerical simulation of the development of vortices over the Qinghai-Xizang Plateau[J]. Meteorology and Atmospheric Physics, 35: 70–95.
DOI:10.1007/BF01029526 |
|
卜玉康, 琚建华, 先泽进, 等. 1993. 西南涡大气边界层结构的数值模拟[J]. 云南大学学报, 15(4): 360–366.
|
|
郝丽萍, 周瑾, 康岚. 2016. 西南涡暴雨天气过程分析和数值模拟试验[J]. 高原气象, 35(5): 1182–1190.
DOI:10.7522/j.issn.1000-0534.2015.00046 |
|
姜勇强, 张维桓, 周祖刚, 等. 2004. 2000年7月西南涡暴雨过程的分析和数值模拟[J]. 高原气象, 23(1): 55–61.
DOI:10.3321/j.issn:1000-0534.2004.01.008 |
|
卢敬华. 1986. 西南低涡概论[M]. 北京: 气象出版社, 270.
|
|
卢萍, 李旭, 李英, 等. 2016. 空间加密探空观测资料对西南低涡暴雨天气过程数值模拟的影响[J]. 大气科学, 40(4): 730–742.
|
|
卢萍, 李英. 2015. 西南涡加密探空资料对模式初值及西南涡路径的影响[J]. 高原山地气象研究, 35(2): 1–6.
|
|
罗四维. 1992. 青藏高原及其邻近地区几类天气系统的研究[M]. 北京: 气象出版社, 205.
|
|
母灵, 李国平. 2014.复杂地形对西南低涡及其暴雨的影响研究[D].成都信息工程学院, 6: 1-54.
|
|
宋雯雯, 李国平. 2016. 两类涡度矢量对四川盆地一次暴雨过程的分析应用[J]. 高原气象, 35(6): 1464–1475.
DOI:10.7522/j.issn.1000-0534.2015.00115 |
|
覃月凤, 顾建峰, 吴钲, 等. 2015. 雷达资料同化频次对一次西南涡暴雨的影响试验[J]. 高原气象, 34(4): 963–972.
DOI:10.7522/j.issn.1000-0534.2014.00050 |
|
王晖, 隆霄, 温晓培, 等. 2017. 2012年宁夏"7·29"大暴雨过程的数值模拟研究[J]. 高原气象, 36(1): 268–281.
DOI:10.7522/j.issn.1000-0534.2016.00017 |
|
王智, 高坤, 翟国庆. 2003. 一次与西南低涡相联系的低空急流的数值研究[J]. 大气科学, 27(1): 75–85.
DOI:10.3878/j.issn.1006-9895.2003.01.07 |
|
邬惠峰, 高坤. 2002. 一次低涡东移机制的分析[J]. 浙江大学学报, 29(6): 707–719.
|
|
吴望一. 2009. 中国大百科全书:物理学[M]. 中国大百科全书出版社, 205.
|
|
许威杰, 张耀存. 2017. 凝结潜热加热与对流反馈对一次高原低涡过程影响的数值模拟[J]. 高原气象, 36(3): 763–775.
DOI:10.7522/j.issn.1000-0534.2016.00061 |
|
叶笃正, 高由禧. 1979. 青藏高原气象学[M]. 北京: 科学出版社, 115-118.
|
|
章基嘉, 朱抱真, 朱福康, 等. 1988. 青藏高原气象学进展[M]. 北京: 科学出版社, 268.
|
|
赵大军, 江玉华, 李莹. 2011. 一次西南低涡暴雨过程的诊断分析与数值模拟[J]. 高原气象, 30(5): 1158–1169.
|
2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, Sichuan, China;
3. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China