2. 中国气象局云雾物理环境重点开放实验室, 北京 100081;
3. 兰州中心气象台, 甘肃 兰州 730020;
4. 南京信息工程大学管理工程学院, 江苏 南京 210044;
5. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 江苏 南京 210044
冰雹是一种由强对流系统所引发的剧烈天气现象, 常伴随狂风、强降水、急剧降温等阵发性灾害天气, 给农业、林业、通信、交通及人民生命财产等造成严重的损失。但由于其具有局地性强、生命史短、突发性强等特征, 所以对冰雹的预报和预警是短临预报中的难点(Knight et al, 1971; Changnon et al, 2000; 鲁德金等, 2015)。因此, 深入了解冰雹的形成机理一直是科学研究的热点, 也是提高减灾防灾能力的迫切需求。
近年来, 随着探测技术的发展和地面观测网络的建设, 利用新一代天气雷达产品对冰雹等强对流天气的监测和分析已取得了较多的成果。Browning et al(1963)指出, 超级单体风暴除了其准稳定状态的特征外, 一个重要的特征是雷达回波存在一个弱回波区或有界弱回波区; 刘黎平等(1992)用C波段双线偏振雷达研究了冰雹云, 发现云中高反射率区反射率因子和回波区内粒子相态有关, 可用于反应降雹强度的大小; 郑媛媛等(2004a, 2004b)利用多普勒天气雷达分析了超级单体风暴的典型特征, 表明超级单体的典型特征是左前方低层反射率因子呈现明显的倒“V”字型结构; 王令等(2004)对北京地区强对流天气雷达回波特征分析表明, 冰雹、雷雨大风回波高度达12 km, 且雷达回波移动速度快, 暴雨过程回波高度仅为7 km, 雷达回波移动速度缓慢, 冰雹、雷雨大风与暴雨的动力结构有着明显的差异; 陈秋萍等(2015)分析了两个强风暴单体特征, 表明中气旋维持时间差异与垂直风切变、垂直涡度等存在差异有密切关系; 伍志方等(2001)分析了一次强对流天气的多普勒特征, 发现强对流天气发生与下垫面关系密切; 黄晓龙等(2016)对台州一次冰雹过程进行了中尺度分析, 表明0~3 km和0~6 km垂直风切变较大有利于出现风雹类强对流天气; 陶岚等(2016)分析发现雷暴的交汇和抬升作用使上升气流增强, 有利于中气旋的形成。上述研究揭示了冰雹等灾害性天气的演变规律和形成机理, 对其监测和预警发挥了重要作用。
甘肃天水地区多山脉, 高原切变线和低涡发生频率高, 积云发展旺盛, 午后地表增温强, 容易形成不稳定层结, 有利的动力和热力条件极易导致冰雹天气发生(路亚奇等, 2016; 黄玉霞等, 2017)。本文利用天水多普勒天气雷达资料, 结合物理量场诊断资料, 对天水2017年5月18日强冰雹天气的雷达回波结构演变特征和成因进行了深入分析, 为甘肃天水强对流天气的潜势预报、临近预警和防灾减灾提供一定的参考。
2 资料选取所用资料为2017年5月18日常规高空、地面气象资料及天水天气雷达产品和基数据; 14 : 00的NCEP FNL再分析资料, 分辨率为0. 25°×0. 25°, 分析的变量包括高度场、风场、温度场、对流有效位能CAPE、对流抑制能量CIN、垂直速度ω和0 ℃层高度。
3 天气过程分析2017年5月18日下午, 甘肃省天水市秦州、麦积区、清水、秦安、张家川县出现了较大范围的冰雹、短时强降水等强对流雷暴天气(图 1), 秦安、清水县、秦州、麦积区部分乡镇先后出现冰雹, 降雹主要时段集中在17 : 35(北京时, 下同)-18 : 20, 降雹持续时间较长, 其中清水县最长, 降雹持续时间约30 min, 观测到的最大冰雹直径为2. 0 cm, 最大降水量出现在秦安县王尹镇, 过程降水量为60. 4 mm, 此次过程强度大, 范围广, 持续时间长, 造成大面积农作物受灾, 农业和公益设施、居民财产受损, 经济损失严重。
2017年5月18日16 : 20左右在秦安北面开始有对流云团生成(图略), 此后回波不断发展加强, 回波系统向东南方向移动并先后影响了秦安、清水县和麦积区等区域, 并伴有大片的降水回波。从图 2中可以看出, 在5月18日17 : 20, 秦安境内出现了较强回波中心的强回波区域, 对流云团发展成中尺度的对流风暴, 中心强度达到58 dBz, 秦安东部、清水北部区域存在分散性的弱回波; 在径向速度图上看出, 秦安县呈现出辐合特征, 旋转速度为24 m·s-1。17 : 37, 对流单体继续向东南方向移动, 移至秦安东南部, 中心强度为59 dBz, 并出现旁瓣回波, 移动过程回波带状加强, 并在入流一侧出现“V”型缺口, 表明有较强的下沉气流和偏东北气流; 在径向速度图上看出, 对流单体在清水县西北侧出现弱正速度区, 与负速度形成弱辐散, 对流单体东北侧(秦安县东北侧接近清水县地区)依然维持辐合。17 : 42, 对流单体移至秦安和清水县交界区域, 回波强度较之前加强, 中心强度达到63 dBz, 回波前沿呈圆弧形, 后侧出现强的“V”型缺口, 造成秦安和清水县出现最大降雹; 在径向速度图上看出, 径向速度特征与17 : 37时刻的并无太大变化。17 : 54, 对流单体移至清水县西部区域, 回波强度有所减弱, 中心强度为58 dBz, V”型缺口结构减弱, 实况显示, 秦安县降雹在17 : 55左右结束; 在径向速度图上看出, 对流单体东南侧及东北侧(清水县西北部)的正速度区较之前时刻更弱, 负速度略有增强, 最大值为-27 m·s-1, 但单体的辐合辐散特征已经开始减弱。18 : 05, 对流单体继续减弱, 但基本未移动, 回波中心强度维持在58 dBz; 在径向速度图上看出, 清水县北部对流单体辐合特征明显减弱。18 : 16, 对流单体移至清水县和麦积区交界区域, 回波强度减弱, 结构趋于分散; 在径向速度图上看出, 对流单体在清水县北部的辐合特征逐渐消失。秦安县境内一直存在强降水回波, 造成秦安县王尹镇60. 4 mm的过程降水量。
图 3为17 : 48天水雷达0. 5°, 1. 5°, 2. 4°, 3. 4°, 6. 0°和9. 8°不同仰角的反射率因子和径向速度图。此时对流单体位于清水和秦安县的交界地区。从图 3可以看出, 0. 5°仰角上的反射率因子图上显示清水和秦安县交界地区有“V”型缺口回波, V”型缺口回波上的回波反射率因子明显高于其他地区, 最大反射率因子为60 dBz, 相应的高度约为1. 9 km。在1. 5°仰角上, 该地区“V”型缺口回波明显加强。在2. 4°仰角上, 仍然为V”型缺口回波, 最强反射率因子在“V”型缺口的南部区域, 为63 dBz。在3. 4°仰角上, “V”型缺口回波特征有所减弱, 在6. 0°及以上仰角上, “V”型缺口特征消失, 成为普通强对流回波。从径向速度上, 低层0. 5°~2. 4°仰角上, 清水和秦安县的交界地区存在速度模糊, 退模糊后最大径向速度为-35 m·s-1, 即存在低空急流。3. 4°及6. 0°仰角以上, 在秦安与清水交界处为明显辐散, 清水前部为明显辐合。在9. 8°仰角以上, 高层基本转为辐散。通过对高低层对比分析发现, 在冰雹发生地中低层存在辐合, 高层存在明显的辐散, 这种高层“抽气”作用, 利于低层辐合加强, 极容易产生强对流性天气。
图 4为17 : 48天水雷达反射率因子及径向速度垂直剖面, 其中反射率因子剖面沿着风暴单体前进方向绘制[图 4(a)中黄线所示], 径向速度剖面沿着径向方向绘制[图 4(b)中黄线所示], 对流单体的位置[方位/距离(AZ/R)]为44/23°·km-1。从图 4中可以看出, 对流单体有界弱回波区和其上的回波悬垂, > 50 dBz的强回波伸展到6 km高度, 远远高于0 ℃层的高度(约4 km), 45 dBz以上的强回波区已经发展到8 km以上。相应的从径向速度垂直剖面可以看到, 在对流单体一侧存在一支强上升气流, 从上层流出, 为对流单体的水汽输送, 维持对流单体发展, 以及云内冰粒循环长大形成冰雹的托举作用起到重要影响, 另外一支下沉气流从对流单体的顶部流入, 中下部流出, 为冰雹的发生发展提供有利的辐合条件和影响冰雹的落区。这两支气流互不影响又相互促进, 是对流单体形成的一种机制或维持结构(覃靖等, 2017), 在中低层径向风有明显的辐合特征, 且在2~4 km最为明显。在6 km以上高度, 基本转为辐散, 且在风暴顶附近强烈辐散, 正好对应了强对流单体低层辐合、顶层辐散的特征(伍志方等, 2001; 陶岚等, 2016; 覃靖等, 2017)。
垂直累积液态水含量(VIL值)反映云底上部单位面积上悬挂的液态水, 是指将反射率因子数值转换成等价的液态水值的垂直积分, 因此反射率因子与垂直累积液态水含量有很好的对应关系, 对大冰雹的发生有较好的指示(东高红等, 2007)。从2017年5月18日天水降雹个例中对流单体的VIL最大值、最大反射率因子随时间的变化(图 5)中可以看出, VIL最大值变化与最大反射率因子趋势一致, 强对流形成初期16 : 30, VIL最大值只有10 kg·m-2, 对应的最大反射率因子为50 dBz。在17 : 20, 对流单体发展初期, VIL最大值为25 kg·m-2, 对应的最大反射率因子为55 dBz, 经过3个体扫(18 min), VIL最大值出现明显跃增, 增大到33 kg·m-2, 17 : 35左右秦安、清水县开始出现冰雹, 其中秦安、清水县的降雹最长持续时间分别约20 min、30 min, 可见冰雹发生前对流单体VIL最大值有明显的跃增过程, 在17 : 37-18 : 10, VIL最大值维持在33~38 kg·m-2之间变化, 17 : 48达到最大, 持续时间长达40 min左右, 对应的最大反射率因子通常大于60 dBz, 18 : 20左右对流单体影响最大的秦安、清水县降雹基本结束, 降雹基本结束前18 : 16, VIL最大值为30 kg·m-2, 开始缓慢下降。由此可见VIL最大值变化, 尤其是冰雹发生时单体VIL最大值呈现明显跃增的特征, 说明VIL最大值明显跃增的特征与降雹存在较好的对应关系, 对降雹具有明显的指示意义, 因此当VIL最大值> 25 kg·m-2时, 对应最大反射率因子> 55 dBz, 可发布冰雹的预警, 一般能提前1~3个体扫时间。张正国等(2012)和胡胜等(2015)分别研究广西3-5月冰雹云和冰雹风暴单体VIL阈值指出其分别为43和50 kg·m-2。方标等(2014)研究了铜仁市春季出现冰雹时垂直液态水含量VIL的阈值为20 kg·m-2, 可见不同地区冰雹的VIL的阈值不同, 此次冰雹的VIL的阈值低于广西地区但高于铜仁市冰雹云阈值。
VIL密度为冰雹风暴VIL与顶高之比, 研究表明, 90 %冰雹风暴的VIL密度≥3. 5 g·m-3, 如果VIL密度超过4 g·m-3, 则风暴几乎肯定会产生大冰雹(Ambum et al, 1997)。从图 5中看出, 在本次个例中, 天水地区VIL密度变化趋势与VIL值变化趋势一致, 在17 : 20, 对流单体发展初期, VIL密度为2. 3 g·m-3, 降雹时VIL密度在3. 00~3. 45 g·m-3, 17 : 48也达到最大, 说明冰云内冰粒已经充分长大, 清水县观测到最大冰雹直径为2 cm。
5 冰雹成因分析 5.1 环流场分析通过分析2017年5月18日14 : 00的环流场特征(图 6)可以看出, 在14 : 00 500 hPa高度上, 河套地区至甘肃河东东部地区为低涡控制, 且低涡附近存在冷区, 其中心强度为-14 ℃左右。河西中部地区为高压脊, 高压脊东北部(蒙古地区)的存在-12 ℃的冷池, 这种环流形势有利于蒙古地区的干冷空气南下侵入到甘肃南部地区; 700 hPa上甘肃与宁夏交界处为一冷性低涡, 其涡附近及涡后部温度为4~8 ℃, 涡前部(甘肃东南部)温度为12~14 ℃, 这种环流形势有利于涡后部携带冷空气与甘肃东南部的西南暖湿气流交汇于定西、天水等地, 表明在定西、天水等地不仅有暖湿气流的辐合, 同时还有较好的抬升触发条件。这种高低空流场配置形成大气强烈不稳定, 十分有利于垂直上升运动的迅速发展, 为强对流的发生发展提供了有利条件(吕晓娜, 2017)。
图 7为2017年5月18日08 : 00高低层流场配置, 图中700 hPa显著流线为风速虽未达到急流标准, 但有最大风带出现时分析显著流线, 用于确定分流(辐散)区。从图 7中看出, 500 hPa甘肃会宁地区存在低涡, 槽线位于甘肃河东中部地区, 天水以北地区为干区; 700 hPa低涡与500 hPa位置基本重合, 槽线略偏东, 甘肃河东东南部为湿区, 西南东北向存在大风速带; 地面辐合线在甘肃河东南部地区, 定西、天水等地存在不稳定层结; 因此, 地面辐合, 低空急流, 高空槽冷涡影响, 使得中高层干冷、低层暖湿, 造成大气层结不稳定。
强对流天气的发生是大气潜在不稳定能量集中释放的结果, 通常对流有效位能CAPE与对流抑制能量CIN是能很好表征大气稳定度的重要指标(许东蓓等, 2018; 曹艳察等, 2018)。CAPE值越大, 表示气块上升超过自由对流高度之后向上的加速度越大, 大气越不稳定; CIN值太大时, 表示抑制对流程度越大, 对流不容易发展, CIN值太小, 不稳定能量不容易在低层积聚, 对流调整易发生, 从而使对流不能发展到较强的程度, 因此要发生强对流, 需有一个较合适的CIN值。在18日14 : 00 CAPE中[图 8(a)]可以看出, 甘肃陇东至陇南一线存在CAPE的大值区, 最大值中心位于天水南部地区, 中心值为400 J·Kg-1, 表明甘肃东南部, 尤其是天水地区大气处于很强的不稳定, 存在大量的潜在不稳定能量, 有利于形成较旺盛的垂直对流。在18日14 : 00时的CIN中[图 8(b)]可以看出, 甘肃河东地区均为负值区, 最小值区位于陇南南部地区, 中心值为-40 J·Kg-1, 天水地区的CIN值也较小, 其值在-10~-5 J·Kg-1, Colby(1984)指出对流抑制能量绝对值小的大气层结更容易发生强对流, 研究发现CIN绝对值在20 J·Kg-1以下时(王晓芳等, 2014; Richard et al, 2000), 更容易发生强对流, 说明天水地区的CIN值具备抑制低层不稳定能量过早释放的条件, 加快了低层不稳定能量的聚集和储存, 对流越容易爆发并且发展到较强程度。
垂直速度反应气块在垂直方向运动的情况。沿着此次冰雹云移动方向, 对垂直速度做剖面[图9(a)]可以看出, 在整个对流层中低层垂直速度为负值, 且700~600 hPa之间为负值的大值区, 中层为弱正值区, 说明对流层中低层为深厚的上升气流, 中层为下沉气流, 这支强烈的上升气流为对流单体输送水汽, 维持其发展, 使小冰粒长形成大冰雹起到托举作用。结合0 ℃层高度[图9(b)]看出, 强的上升区位于0 ℃层以上, 有利于冰雹的生成和发展。此外, 天水地区地形高度约为1100 m, 说明0 ℃层高度距地面高度为2600~2900 m, 这为直径2. 0 cm以上大冰雹落地提供了重要的环境条件。
(1) 此次发生在天水地区的降雹对流单体低层反射率因子呈现出明显的“V”型缺口, 最大回波强度出现在低层, 为63 dBz。反射率因子垂直剖面呈现出对流单体有界弱回波区和其上的回波悬垂, > 50 dBz的强回波伸展到6 km高度; 径向速度垂直剖面呈现出中低层, 尤其在2~4 km径向风有明显的辐合特征, 6 km以上高度基本为辐散, 在风暴顶附近较强烈, 为对流单体的发展提供了易产生的动力条件。
(2) 此次强冰雹天气发生的有利环境背景是对流层中层河套地区至甘肃河东东部低涡及其附近冷区和河西中部高压脊及其东北部冷池和低层甘肃与宁夏交界处冷性低涡分别有利于干冷空气进入和暖湿气流辐合和抬升, 加强了大气层结不稳定, 对强对流天气的发生有加强触发作用; 较高的CAPE值和低的CIN值有利于强对流天气发生; 对流层中低层深厚的上升气流, 中层下沉气流和0 ℃层以上强的上升气流, 为对流单体水汽输送, 生成和维持发展提供了有利条件; 距地高度为2600~2900 m的0 ℃层高度为大冰雹落地提供了重要的环境条件。
(3) 可用此次降雹对流单体最大反射率因子达到55 dBz, VIL最大值和VIL密度分别达到25 kg·m-2和2. 3 g·m-3, 作为冰雹的预警指标。VIL最大值明显跃增特征与降雹存在较好的对应关系。
本文仅选用了2017年甘肃天水的一次冰雹个例进行分析, 所得到结论有待更多个例进一步验证。
Ambum S A, Wolf P L. 1997. VIL density as a hail indicator[J]. Weather and Forcasting, 12(3): 473–478.
DOI:10.1175/1520-0434(1997)012<0473:VDAAHI>2.0.CO;2 |
|
Browning K A, Ludlam F H, Macklin W C. 1963. The density and structure of hailstones[J]. Quarterly Journal of the Royal Meteorological Society, 89: 75–84.
DOI:10.1002/(ISSN)1477-870X |
|
Changnon S A, Changnon D. 2000. Long-term fluctuations in hail incidences in the United States[J]. Journal of Climate, 13(3): 658–664.
DOI:10.1175/1520-0442(2000)013<0658:LTFIHI>2.0.CO;2 |
|
Colby F P. 1984. Convective inhibition as a predictor of convenction during AVE-SESAME[J]. Monthly Weather Review, 112: 2239–2252.
DOI:10.1175/1520-0493(1984)112<2239:CIAAPO>2.0.CO;2 |
|
Lu D J, Cheng Z R, Yuan Y, et al. 2015. Analysis on radar echo characteristics of hail clouds in spring and summer of Anhui province[J]. Meteorological Monthly, 41(9): 1104–1109.
|
|
Knight C A, Knight N C. 1971. Hails tones[J]. Scientific American, 224(4): 40–47.
|
|
Richard L, Thomposn R E. 2000. An overview of environmental conditions and forecast implications of 3 May 1999 Tornado outbrek[J]. Weather and Forecasting, 15(12): 682–699.
|
|
曹艳察, 田付友, 郑永光, 等. 2018. 中国两级阶梯地势区域冰雹天气的环境物理量统计特征[J]. 高原气象, 37(1): 185–196.
DOI:10.7522/j.issn.1000-0534.2017.00044 |
|
陈秋萍, 陈齐川, 冯晋勤, 等. 2015. "2012·4·11"两个强降雹超级单体特征分析[J]. 气象, 41(1): 25–33.
|
|
东高红, 吴涛. 2007. 垂直液态含水量在地面大风预报中的应用[J]. 气象科技, 35(6): 877–881.
DOI:10.3969/j.issn.1671-6345.2007.06.024 |
|
方标, 严小冬, 方可, 等. 2014. 贵州铜仁市春季冰雹天气特征及防雹预警阀值[J]. 贵州农业科学, 42(3): 212–218.
DOI:10.3969/j.issn.1001-3601.2014.03.052 |
|
胡胜, 罗聪, 张羽, 等. 2015. 广东大冰雹风暴单体的多普勒天气雷达特征[J]. 应用气象学报, 26(1): 57–65.
|
|
黄晓龙, 高丽. 2016. 2014年3.19台州冰雹过程中尺度分析[J]. 气象, 42(6): 696–708.
|
|
黄玉霞, 王宝鉴, 王研峰, 等. 2017. 甘肃省夏季暴雨日数特征及其与大气环流关系[J]. 高原气象, 36(1): 183–194.
DOI:10.7522/j.issn.1000-0534.2015.00118 |
|
刘黎平, 徐宝祥, 王致君, 等. 1992. 用C波段双线偏振雷达研究冰雹云[J]. 大气科学, 16(3): 370–376.
DOI:10.3878/j.issn.1006-9895.1992.03.14 |
|
鲁德金, 陈钟荣, 袁野, 等. 2015. 安徽地区春夏季冰雹云雷达回波特征分析[J]. 气象, 41(9): 1104–1109.
|
|
路亚奇, 曹彦超, 张峰, 等. 2016. 陇东冰雹天气特征分析及预报预警[J]. 高原气象, 35(6): 1565–1576.
DOI:10.7522/j.issn.1000-0534.2015.00116 |
|
吕晓娜. 2017. 河南一次强对流天气潜势、触发与演变分析[J]. 高原气象, 36(1): 195–206.
DOI:10.7522/j.issn.1000-0534.2016.00023 |
|
覃靖, 潘海, 刘蕾. 2017. 柳州"4·09"致灾冰雹的超级单体风暴过程分析[J]. 气象, 43(6): 745–755.
|
|
陶岚, 戴建华, 孙敏. 2016. 一次雷暴单体相互作用与中气旋的演变过程分析[J]. 气象, 42(1): 14–25.
DOI:10.3969/j.issn.1671-6345.2016.01.003 |
|
王令, 康玉霞, 焦热光, 等. 2004. 北京地区强对流天气雷达回波特征[J]. 气象, 30(7): 31–35.
DOI:10.3969/j.issn.1000-0526.2004.07.007 |
|
王晓芳, 赖安伟, 王志斌. 2014. 一个长生命期准静止中尺度对流系统的观测特征及其持续的环境条件[J]. 大气科学, 38(3): 421–437.
|
|
伍志方, 张春良, 张沛源. 2001. 一次强对流天气的多普勒特征分析[J]. 高原气象, 20(2): 202–207.
DOI:10.3321/j.issn:1000-0534.2001.02.015 |
|
许东蓓, 苟尚, 肖玮, 等. 2018. 两种类型短时强降水形成机理对比分析-以甘肃两次短时强降水过程为例[J]. 高原气象, 37(2): 524–534.
DOI:10.7522/j.issn.1000-0534.2017.00056 |
|
张正国, 汤达章, 邹光源, 等. 2012. VIL产品在广西冰雹云识别和人工防雹中的应用[J]. 热带地理, 32(1): 50–53.
DOI:10.3969/j.issn.1001-5221.2012.01.009 |
|
郑媛媛, 俞小鼎, 方翀, 等. 2004a. 一次典型超级单体风暴的多普勒天气雷达观测分析[J]. 气象学报, 62(3): 317–328.
|
|
郑媛媛, 俞小鼎, 方翀, 等. 2004b. 2003年7月8日安徽系列龙卷的新一代天气雷达分析[J]. 气象, 30(1): 38–45.
|
2. Key Laboratory for Cloud Physics of China Meteorological Administration, Beijing 100081, China;
3. Lanzhou Center Meteorological Observation, Lanzhou 730020, Gansu, China;
4. College of Management Engineering, Nanjing Univercity of Information and Science Technology, Nanjing 210044, Jiangsu, China;
5. Collaborative Innovation center on Forecast and Evaluation of Meteorological Disasters, Nanjing Univercity of Information and Science Technology, Nanjing 210044, Jiangsu, China