洞庭湖流域雨季極端降水事件的環(huán)流演變特征分析

龍浠玉, 張新主, 章新平, 李巧媛

(1.湖南師范大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 長沙 410081; 2.湖南省氣象臺, 長沙 410118)

在全球變暖的背景下，極端降水事件越來越頻繁、劇烈[1-2]，洪澇災(zāi)害風(fēng)險增加，對生態(tài)環(huán)境和社會經(jīng)濟(jì)造成極大危害，而大氣環(huán)流、天氣系統(tǒng)與極端降水密切相關(guān)，影響洪水災(zāi)害格局變化[3-6]。暴雨是各種尺度天氣和環(huán)流系統(tǒng)相互作用的產(chǎn)物[7-8]，學(xué)者們對極端降水的大尺度環(huán)流背景進(jìn)行了廣泛研究：一是從年際、年代際震蕩方面廣泛探討了熱帶太平洋海溫[9]、西風(fēng)急流[10-12]、東亞夏季風(fēng)[13]、西太平洋副熱帶高壓[13-14]、南亞高壓[15]等大氣環(huán)流系統(tǒng)對極端降水的影響。二是分析不同區(qū)域強(qiáng)降水過程的環(huán)流背景，例如，楊波等[16]研究表明，北京地區(qū)短時強(qiáng)降水環(huán)流形勢可以分為副熱帶高壓與西來槽相互作用型、西風(fēng)小槽型、東北冷渦型和黃淮低渦倒槽型4 類，不同天氣系統(tǒng)主導(dǎo)下的短時強(qiáng)降水時空分布存在較大差異。楊瑋等[17]研究表明，江淮流域在高低空急流的共同作用下，梅雨鋒位置的差異決定了極端強(qiáng)降水的發(fā)生區(qū)域。侯淑梅等[18]研究表明，根據(jù)高空和地面影響天氣系統(tǒng)，可將山東極端強(qiáng)降水過程分為5類：高空槽類、副高外圍類、切變線類、氣旋類、熱帶氣旋類，各類極端強(qiáng)降水的產(chǎn)生機(jī)制及暴雨落區(qū)有所差異。

洞庭湖流域河網(wǎng)密集，水系發(fā)達(dá)，與長江干流相互影響，是長江流域洪澇災(zāi)害最為嚴(yán)重的區(qū)域之一[19-21]，關(guān)于極端降水的研究十分重要。受東亞季風(fēng)與地形的影響，洞庭湖流域極端降水時空分布不均且復(fù)雜[22-24]，因此對研究區(qū)域進(jìn)行客觀聚類分區(qū)也是亟需解決的關(guān)鍵問題。自組織神經(jīng)網(wǎng)絡(luò)(som)與k-均值聚類(kmeans)這兩種聚類方法已成功應(yīng)用于降水?dāng)?shù)據(jù)的空間聚類[25-28]。但是，som聚類節(jié)點間聚類邊界不清[29]，kmeans聚類運行效率及結(jié)果對初始聚類中心的依賴很大[30]。為解決兩種方法的缺點，王曉飛[31]、Koji[32-34]等將som與kmeans結(jié)合起來優(yōu)化聚類結(jié)果。Koji等[32-33]先用som將高維非線性氣象數(shù)據(jù)投射到直觀易懂的二維點陣上，再利用kmeans對som聚類結(jié)果中節(jié)點的U-matrix(統(tǒng)一距離矩陣)再次聚類，系統(tǒng)、直觀地分析了Baiu季節(jié)天氣場與日本西南部九州群島暴雨事件之間的關(guān)系。Yuta 等[34]將該方法引入動態(tài)降尺度研究中，客觀地劃分了九州暴雨的3種天氣型：強(qiáng)季風(fēng)型、弱季風(fēng)型和臺風(fēng)型。

目前有關(guān)洞庭湖流域的極端降水研究中，主要集中在時空分布特征方面[22-24]，鮮有研究在空間聚類基礎(chǔ)上分析極端降水環(huán)流演變形勢。因此，本文基于洞庭湖流域85個站點的日降水?dāng)?shù)據(jù)與NCEP逐日再分析數(shù)據(jù)，先運用som-k方法進(jìn)行空間聚類，然后分析極端降水事件的環(huán)流演變特征。

1 數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

本文采用的數(shù)據(jù)主要有：(1) 洞庭湖流域85個氣象站點1961—2016年日降水?dāng)?shù)據(jù)，選取5—9月的數(shù)據(jù)為雨季研究數(shù)據(jù)。(2) 美國環(huán)境預(yù)報中心的NCEP Reanalysis I逐日再分析數(shù)據(jù)(https:∥www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.pressure.html)，數(shù)據(jù)時段與站點數(shù)據(jù)一致，要素場包括風(fēng)場、比濕、地面氣壓、位勢高度、垂直速度數(shù)據(jù)，其水平分辨率為2.5°×2.5°，利用這些再分析數(shù)據(jù)計算出流函數(shù)、單層水汽通量散度、整層水汽通量與水汽散度。

1.2 方 法

1.2.1 極端降水閾值確定 用百分位法定義各站點極端降水的閾值：將該站點1961—2016年5—9月濕日降水量(日降水量大于1 mm)按升序排列，取第90 個百分位的降水量值作為閾值，當(dāng)該站點某日降水量大于或等于該閾值時，記該站點該日發(fā)生極端降水事件。將各站點1961—2016年5—9月8 568 d的日降水?dāng)?shù)據(jù)根據(jù)有無發(fā)生極端降水事件記為1或0，映射到85維空間上，作為空間聚類處理的輸入數(shù)據(jù)。

1.2.2 DaviesBouldin指數(shù) 在正確的類別k未知時，采用DaviesBouldin指數(shù)(DBI)[35]確定kmeans最佳聚類數(shù)目，該指數(shù)通過計算類內(nèi)距離之和與類間距離之比優(yōu)化類別數(shù)k值的選擇，DBI指數(shù)越小表示類內(nèi)距離越小，類間距離越大，聚類效果越好。

1.2.3 Som-k聚類 som-k聚類法是采用自組織特征映射神經(jīng)網(wǎng)絡(luò)som和kmeans相結(jié)合改進(jìn)的聚類方法，主要有兩種方式改進(jìn)：一是Koji等[32]運用的方法，先som聚類，再利用kmeans對節(jié)點聚類，改善som聚類邊界模糊不清的問題；二是王曉飛等[31]運用的方法，以som聚類結(jié)果優(yōu)化kmeans的初始聚類中心，執(zhí)行kmeans算法，改善kmeans 聚類算法初始聚類中心選取的盲目性。對比本文極端降水?dāng)?shù)據(jù)在兩種方法下聚類的DaviesBouldin指數(shù)值(圖1)，可發(fā)現(xiàn)王曉飛等[31]運用的方法聚類效果更好。因此，本文采用王曉飛等[31]提出的方法對極端降水?dāng)?shù)據(jù)進(jìn)行空間聚類，具體計算過程如下：第一階段，執(zhí)行som神經(jīng)網(wǎng)絡(luò)算法，對待聚類數(shù)據(jù)進(jìn)行初聚類，以訓(xùn)練結(jié)束后競爭輸出層各節(jié)點對應(yīng)的內(nèi)星權(quán)向量作kmeans算法的初始聚類中心；第二階段，把som聚類獲得的節(jié)點作為kmeans算法的初始聚類中心，采用絕對誤差和cityblock為距離測度進(jìn)行迭代計算，直至收斂。

根據(jù)DaviesBouldin指數(shù)變化曲線(圖1曲線b)可知，當(dāng)聚類數(shù)目為3時，DaviesBouldin指數(shù)最小，為最佳聚類數(shù)目,為充分展現(xiàn)極端降水事件的空間差異性，本文選取的聚類數(shù)目為4。

圖1 DaviesBouldin指數(shù)變化曲線

2 結(jié)果與分析

2.1 som-k聚類結(jié)果

本文按照som-k聚類方法將洞庭湖流域極端降水事件聚為4類：北部型(class1)、中部型(class3)、南部型(class4)以及全區(qū)無降水型(class2)(圖2)。由圖2可知，日均降水量與極端降水事件發(fā)生頻率高值區(qū)分布一致，兩者共同反映了極端降水高頻區(qū)的空間分布特征。由圖2極端降水高頻區(qū)可知，北部型分布在27°—30°N，中部型分布在26°—27°N，南部型分布在25°—26°N。北部型(class1)、中部型(class3)、南部型(class4)的總天數(shù)僅占整個分析時段的3.39%，但這3類對應(yīng)日期中站點平均累計降水量卻約占總降水量的18.17%。因此，可選取北部型(class1)、中部型(class3)、南部型(class4)為代表分析洞庭湖流域極端降水演變形勢。

圖2 各類日均降水量、極端降水發(fā)生頻率分布

2.2 環(huán)流形勢演變特征分析

由圖3可知，在洞庭湖流域雨季(5—9月)，850 hPa位勢高度場的分布狀況與流函數(shù)場基本一致，大陸上對應(yīng)著流函數(shù)負(fù)值區(qū)，海洋上對應(yīng)著流函數(shù)正值區(qū)。為解釋洞庭湖流域各類的極端降水事件高頻區(qū)的分布，對比分析極端降水前4天、前2天及當(dāng)天的環(huán)流形勢演變情況。在低對流層(850 hPa)，從流函數(shù)距平場來看(圖4A—I)，極端降水前4天到當(dāng)天，洞庭湖流域的流函數(shù)負(fù)距平值逐漸增大，且各類型極端降水雨帶在極端降水當(dāng)天位于流函數(shù)負(fù)距平中心區(qū)域(圖4G—I)。流函數(shù)值的大小表示渦旋的強(qiáng)弱程度，正值越大，表示高壓的強(qiáng)度越大，負(fù)值越大，表示低壓的強(qiáng)度越大[36]。結(jié)合圖3B可知，雨季期間，洞庭湖流域氣壓相對于太平洋氣壓較低，而極端降水前4天到降水當(dāng)天，流域氣壓變得更低，有利于當(dāng)?shù)厮椇?。從流線圖看，極端降水前4天到當(dāng)天，洞庭湖流域產(chǎn)生了低空氣旋性渦旋，同時，流域東南側(cè)的輻合帶顯著增強(qiáng)，促使流域內(nèi)從西太平洋和印度洋獲得更多水汽，利于降水。渦旋中心與3類極端降水的雨帶位置分布一致。

由圖5中500 hPa位勢高度場可知，洞庭湖流域極端降水前4天到當(dāng)天，華北至洞庭湖流域上空有一明顯低壓槽逐漸增強(qiáng)，并西移南下。極端降水當(dāng)天，極端降水雨帶處于槽前，利于水汽輻合。西太平洋副熱帶高壓對低壓槽有一定的阻擋作用，促使環(huán)流形勢穩(wěn)定。雨帶南部的(且位于西太平洋副熱帶高壓北側(cè))暖濕西南氣流在低壓槽的逼近下顯著增強(qiáng)(圖4)，為雨帶地區(qū)輸送著大氣熱量、水汽和動量，促進(jìn)對流不穩(wěn)定性層結(jié)的形成，為極端降水發(fā)生提供了動力條件。

圖3 雨季(5-9月)850 hPa位勢高度平均場(A)和雨季(5-9月)850 hPa流函數(shù)平均場(B)(填色區(qū)域與風(fēng)場流線)

注：打點區(qū)域為流函數(shù)距平合成通過95%的置信度檢驗,北部型(ADG)、中部型(BEH)、南部型(CFI)。

圖4 850 hPa流函數(shù)距平場(填色區(qū)域)及風(fēng)場流線

為進(jìn)一步分析極端降水期間環(huán)流形勢的演變過程，對水平水汽通量散度與垂直速度沿112°E的經(jīng)向垂直剖面(1 000～450 hPa)進(jìn)行分析。水平水汽通量散度的正負(fù)表示水汽的輻散輻合狀態(tài)，垂直速度的正負(fù)表示空氣的下沉上升運動。圖6顯示，極端降水前4天到當(dāng)天，上升運動區(qū)明顯北移，中低層水汽輻合與高空水汽輻散都顯著增強(qiáng)，高低層輻散輻合相配合，雨帶處于最強(qiáng)烈的上升運動區(qū)域。結(jié)合850 hPa的風(fēng)場(圖4)，由上升運動區(qū)南北兩側(cè)水汽通量散度正負(fù)值的傾斜方向與傾斜程度可見，低層的上升氣流為自西太平洋副熱帶高壓西北側(cè)的暖濕西南氣流。極端降水發(fā)生當(dāng)日，北、中、南3類別區(qū)域輻合上升運動中心區(qū)分別位于27°—30°N，26°—27°N，25°—26°N，與圖2中各類型極端降水雨帶分布一致。

圖5 北部型(ADG)、中部型(BEH)、南部型(CFI)500 hPa位勢高度場(dagpm)(加粗實線表示位勢高度值≥586 dagpm)

圖6 水汽通量散度(填色區(qū)域)和垂直速度(等值線)沿112°E的經(jīng)向垂直剖面(1 000～450 hPa)

2.3 極端降水水汽輸送特征分析

水汽輸送通量輻合越強(qiáng)，表明該時段來自低緯的海洋水汽輸送可呈持久性“匯合”狀態(tài)，為降水提供充沛持久的水汽條件[37]，大尺度的異常水汽輸送在一定程度上產(chǎn)生有利于極端降水的環(huán)境條件。洞庭湖流域雨季(5—9月)期間，影響該區(qū)域的水汽主要來源于北孟加拉灣、中國南海與西太平洋(圖7)。由圖8整層水汽通量與散度距平場(1 000～700 hPa)可知，極端降水當(dāng)天，洞庭湖流域各類型極端降水雨帶(圖2)與低空水汽異常輻合極大值中心分布一致。自孟加拉灣向東至南海及西太平洋一帶的異常水汽輸送為洞庭湖流域極端降水提供了充足的水汽，來自熱帶洋面的多支異常水汽流匯合，在西太平洋副熱帶高壓邊緣氣流西南輻合帶的引導(dǎo)下，形成一顯著異常水汽輸送通道。強(qiáng)勁的水汽輸送伴隨著強(qiáng)對流的觸發(fā)機(jī)制，促進(jìn)了極端降水的發(fā)生。

圖7 洞庭湖流域雨季(5—9月)(1 000～700 hPa)水汽通量(矢量箭頭)與散度平均值(填色區(qū)域)

注：打點區(qū)域為散度距平合成通過95%的置信度檢驗區(qū)域，黑色矢量箭頭為水汽通量距平合成通過95%的置信度檢驗，白色矢量箭頭表示未通過檢驗，北部型(A)、中部型(B)、南部型(C)。

圖8 (1 000～700 hPa)水汽通量(矢量箭頭)與散度距平(填色區(qū)域)

2.4 3類極端降水時空差異分析

從低對流層(850 hPa)流函數(shù)距平場來看(圖4)，北部型和中部型區(qū)域流函數(shù)距平值變化幅度更大，南部型變化較?。粡牡蛯α鲗?850 hPa)風(fēng)場看(圖4)，洞庭湖流域東南側(cè)的輻合帶北部型最北偏西，南部型最南偏東，中部型居中，同時，各類別雨帶對應(yīng)的氣旋性渦旋則是中部型最強(qiáng)，南部型最弱，北部型居中；從500 hPa位勢高度場看(圖5)，南部型高空低壓槽最強(qiáng)最靠南，中部次之，北部型最北。

西太平洋副熱帶高壓位置變化，配合高低空環(huán)流形勢演變差異對極端降水的時空分布有著明顯影響[38]。在空間上，各類別水汽輸送路徑及水汽輻合輻散中心位置并不相同：北部型，洞庭湖流域全區(qū)處于異常水汽輻合極大值區(qū)，異常水汽輻合帶最靠北，延伸最短；中部型，異常水汽輻合帶相較于北部型明顯南移東伸，由偏南轉(zhuǎn)為偏西，延伸最長；南部型，異常水汽輻合帶南移至華南沿海地區(qū)，在低空氣旋性渦旋的影響下，洞庭湖流域北部受到南下異常水汽流的影響。在時間上，由西太平洋副熱帶高壓位置(圖5，586線)與3類極端降水5—9月的時間分布狀況(表1)可知：北部型西太平洋副熱帶高壓靠北，極端降水事件集中于6月、7月，中部型居中，南部型靠南，這兩類極端降水事件都集中于5月、6月；6月份各類極端降水事件頻率與強(qiáng)度都較高，8月、9月份大部分地區(qū)極端降水較少。

表1 各類5-9月極端降水事件的時間分布

3 結(jié) 論

本文在som-k空間聚類基礎(chǔ)上，選取北、中、南3類代表區(qū)域分析洞庭湖流域極端降水事件的環(huán)流演變過程，研究發(fā)現(xiàn)：

(1) 洞庭湖流域東南側(cè)西南氣流的增強(qiáng)、850 hPa氣旋性渦旋的形成、500 hPa低壓槽的加強(qiáng)與西移南下是該區(qū)域出現(xiàn)極端降水天氣的背景條件，這些因素的共同耦合作用，改善了洞庭湖流域動力條件、熱力條件和水汽條件，加強(qiáng)了不穩(wěn)定層結(jié)，暖濕輸送增強(qiáng)，配合輻合上升運動區(qū)的增強(qiáng)北移，導(dǎo)致該區(qū)域極端降水的發(fā)生。

(2) 洞庭湖流域東南側(cè)水汽輻合帶的顯著增強(qiáng)，促進(jìn)孟加拉灣、中國南海、西太平洋一帶的水汽輸送加劇，保證了洞庭湖流域極端降水發(fā)生的水汽供應(yīng)。

(3) 西太平洋副熱帶高壓的季節(jié)變化配合大氣環(huán)流形勢差異引起的動力上升條件不同是3類極端降水水汽輸送路徑、雨帶以及時間差異的主要原因。北部型分布在27°—30°N，集中在6月、7月；中部型分布在26°—27°N，集中在5月、6月；南部型分布在25°—26°N，集中在5月、6月。

本文只是對極端降水事件的短期環(huán)流演變形勢進(jìn)行分析，沒有進(jìn)一步探究持續(xù)與非持續(xù)性極端降水的環(huán)流演變差異及大氣環(huán)流背景周期震蕩的影響，另外沒有通過數(shù)值模擬對成因機(jī)制進(jìn)行檢驗，其中的關(guān)聯(lián)機(jī)制及內(nèi)在的動力學(xué)問題都值得進(jìn)一步研究。