金壇地區(qū)不同類型短時強降水時空分布與環(huán)境參數(shù)分析

周舒佳，顧 杰，溫 靜，鐘亞含

1.常州市金壇區(qū)氣象局，江蘇常州 213200；2.南通市如皋市氣象局，江蘇南通 226500；3.常州市氣象局，江蘇常州 213125；4.云南省氣象科學(xué)研究所，云南昆明 650000

金壇區(qū)位于江蘇省常州市西北部，屬于北亞熱帶季風(fēng)區(qū)，四季分明，雨量充沛。地勢自西向東傾斜，西部為丘陵山區(qū)，東部為地勢低平的平原。21世紀(jì)以來，極端天氣事件頻發(fā)，2021年7月10日金壇東部主城區(qū)短時強降水小時雨強超過100 mm，造成了嚴重的城市內(nèi)澇，帶來了不少經(jīng)濟損失。因此，為了防災(zāi)減災(zāi)，保障人類生命財產(chǎn)安全，加強對金壇區(qū)短歷時強降水的研究十分必要。短時強降水具有突發(fā)性強，小時雨強大，局地性明顯，可預(yù)報時間短等特點，易引發(fā)山體滑坡、泥石流及城市內(nèi)澇等衍生災(zāi)害[1]。近年來眾多學(xué)者對其展開了大量的研究[2-4]。

以往的研究往往集中在短時強降水的變化特征、環(huán)流背景及其發(fā)生發(fā)展機理方面，而單一地運用天氣分型法存在一定的局限性。因此，充分利用金壇區(qū)自動氣象站逐小時降水資料分析了不同天氣系統(tǒng)背景下短時強降水的分布特征，并結(jié)合“配料法”的思路，分析各類天氣型相應(yīng)的關(guān)鍵環(huán)境參數(shù)特征[5]。有助于提高本地短時強降水監(jiān)測預(yù)報能力，以期為預(yù)報預(yù)警和防災(zāi)減災(zāi)工作提供科學(xué)依據(jù)。

1 資料與方法

考慮到金壇區(qū)內(nèi)區(qū)域自動站建站時間、數(shù)據(jù)連續(xù)性和可靠性等因素，采用經(jīng)過質(zhì)量控制后的金壇區(qū)17個地面自動觀測站2017—2021年的逐小時降水?dāng)?shù)據(jù)，站點分布見圖1。根據(jù)國家氣象中心業(yè)務(wù)標(biāo)準(zhǔn)規(guī)定小時降水量≥20 mm為短時強降水過程，1個測站出現(xiàn)R1h≥20 mm，站次記為1次；1個站點多個小時達到標(biāo)準(zhǔn)時，站次數(shù)累加；多個站點R1h同時≥20 mm，站次數(shù)累加。只要有1個站 R1h≥20 mm，即作為一個短時強降水日統(tǒng)計，一天中有多個站點達到標(biāo)準(zhǔn)時按一個短時強降水日統(tǒng)計[6]。

圖1 金壇區(qū)地形及站點（三角標(biāo)識所示）分布

短時強降水天氣類型的分類主要利用MICAPS歷史天氣資料，并采用時間分辨率1 h、水平分辨率0.25°×0.25°的歐洲中期天氣預(yù)報中心（ECWMF）第五代再分析資料（ERA5）對每類天氣型個例進行合成分析。結(jié)合探空數(shù)據(jù)，進一步探討每類天氣型下短時強降水的分布特征、相應(yīng)的環(huán)境參數(shù)特征。其中降雨量采用距離權(quán)重法進行30 m×30 m的空間插值。關(guān)鍵環(huán)境參數(shù)選取短時強降水發(fā)生前南京站點的探空數(shù)據(jù)，07:00~20:00時選用08:00探空，其中12:00~20:00的數(shù)據(jù)用11:00~19:00的溫度、露點溫度訂正；21:00~00:00選用20:00探空；01:00~08:00選用前一日20:00探空。

2 結(jié)果與分析

2.1 短時強降水過程的主要天氣型

2017—2021年金壇區(qū)共出現(xiàn)62個短時強降水日，共有324站次出現(xiàn)短時強降水。引發(fā)強對流天氣的中小尺度對流系統(tǒng)發(fā)生發(fā)展依賴于大尺度環(huán)流背景[7]。利用高空、地面MICAPS觀測資料，以500 hPa上的主要影響系統(tǒng)或環(huán)流特征為基礎(chǔ)，對短時強降水日進行環(huán)流分型研究。與孫燕等[8]的研究一致，發(fā)現(xiàn)產(chǎn)生短時強降水的主要天氣形勢有：槽前型、冷渦（槽）后型、副高邊緣型、副高控制型、臺風(fēng)型，并對每類天氣型的個例進行合成分析給出了大尺度環(huán)流背景特征。

圖2為不同天氣型環(huán)流背景。槽前型金壇區(qū)處于500 hPa東移西風(fēng)槽前。中低層上常有低渦切變相配合，為對流天氣的產(chǎn)生提供有利的輻合抬升條件（圖2a）。冷渦（槽）后型500 hPa上處于東北冷渦后部的西北氣流，往往處于上冷下暖的不穩(wěn)定層結(jié)（圖2b）。圖2c為副高邊緣型環(huán)流背景。500 hPa上，隨著副高增強，120°E副高脊線位于21°N~27°N范圍內(nèi)，此時金壇區(qū)處于副高584~588 gpm附近，副高北側(cè)的西南或偏南氣流將暖濕空氣輸送至金壇區(qū)，水汽充沛。副高控制型夏季暖濕氣流進一步增強，500 hPa副高脊線越過28°N，金壇區(qū)處于副高控制下。而此時大氣平均的濕熱層結(jié)較之前進一步發(fā)展，對流潛在能量十分充沛。在一定的抬升條件下，易誘發(fā)局地對流天氣（圖2d）。近年來造成金壇區(qū)短時強降水的臺風(fēng)基本為西北路徑并結(jié)合有西風(fēng)槽。500 hPa上，臺風(fēng)低壓或倒槽與副高之間維持強盛偏南或東南急流，水汽輸送通道完整，北上暖濕氣流與冷空氣相結(jié)合將促進降水對流性發(fā)展（圖2e）。

圖2 不同天氣型500 hPa位勢高度（藍色實線，單位：gpm）和風(fēng)場（黑色箭頭，單位：m/s）合成

2.2 降水量時空分布特征

據(jù)統(tǒng)計，2017—2021年產(chǎn)生短時強降水的每種天氣類型占比依次為：槽前型25.8%、冷渦（槽）后型14.5%、副高邊緣型33.9 %、副高控制型14.5%、臺風(fēng)型11.3%。其中4—5月暖濕氣流逐漸增強，主要以槽前型為主；冷渦（槽）后型主要出現(xiàn)在6—7月；梅汛期副高南北擺動，副高邊緣型主要出現(xiàn)在6—9月，尤以8月次數(shù)最多；副高控制型主要出現(xiàn)在7—8月；臺風(fēng)型主要出現(xiàn)在8月（圖3）。

圖3 2017—2021年金壇區(qū)不同天氣型短時強降水月變化特征

不同天氣系統(tǒng)影響下，短時強降水的時空特征存在明顯差異。槽前型在08:00和19:00~20:00多 發(fā)（圖4）?？?體上，槽前型短時強降水發(fā)生范圍較廣，高發(fā)區(qū)主要位于金壇區(qū)東部（堯塘街道、東城街道和西城街道）及南部指前鎮(zhèn)。其中指前鎮(zhèn)平均每場短時強降水雨量，即平均雨強為48 mm/d；低發(fā)區(qū)和雨量低值區(qū)位于金壇區(qū)西南部和東南部（圖5a）。除了凌晨（00:00~04:00），冷渦（槽）后型在各時段都有發(fā)生，尤其是08:00~15:00多發(fā)。這可能與中尺度對流系統(tǒng)（MCS）呈多峰型日變化特征有關(guān)，鄭永光等[9]的研究表明，MCS在午后和傍晚時段活動最為強盛，在凌晨MCS的活動減弱。圖5b顯示，冷渦（槽）后型短時強降水對比槽前型高發(fā)區(qū)分布更廣，金壇區(qū)南部，北部和東部都有站次的大值區(qū)，雖然2017—2021年槽前型更為頻發(fā)，但冷渦（槽）后型總雨量與其相當(dāng)，且平均雨強在金壇東部（堯塘街道和東城街道）高達100 mm/d以上，說明冷暖氣流交匯更易導(dǎo)致雨強增大，持續(xù)時間長的短時強降水過程。副高邊緣型在08:00~10:00多發(fā)。降水的空間分布與冷渦（槽）后型類似，東多西少，南北多，中部少。平均雨強的最大區(qū)位于在金壇區(qū)北部金城鎮(zhèn)（圖5c）。副高控制型發(fā)生時段呈雙峰型，主要集中在14:00和18:00（圖4）。以往的研究表明午后到傍晚地面受日射而強烈加熱，常在近地層形成絕對不穩(wěn)定的層結(jié)，如果水汽豐富，那么當(dāng)天午后到傍晚易出現(xiàn)短時強降水[10]。圖5d顯示，副高控制型降水空間分布不均勻，高發(fā)區(qū)位于金壇區(qū)東部堯塘鎮(zhèn)；在金壇區(qū)西部和南部大部分地區(qū)都存在零發(fā)的現(xiàn)象。需要注意的是，在研究時段內(nèi)副高控制型與冷渦（槽）后型發(fā)生頻次一樣，但降水量明顯偏少，均值的最大值約為60 mm，位于西城街道和金城鎮(zhèn)。副高控制型主要由夏季午后熱力抬升造成，前期溫度高，水汽條件較差，具有局地性強、短時強降水雨強小的特點。臺風(fēng)型在18:00~23:00多發(fā)，早上和下午發(fā)生概率較小。臺風(fēng)型短時強降水呈東多西少的特征，金城鎮(zhèn)、東城街道和儒林鎮(zhèn)是3個高發(fā)中心和雨量大值區(qū)。由于臺風(fēng)型水汽含量充沛，均值的最大值達81 mm，位于直溪鎮(zhèn)（圖5e）。

圖4 2017—2021年金壇區(qū)各類型短時強降水站次日變化

圖5 2017—2021年金壇區(qū)不同類型累計出現(xiàn)短時強降水站次（紫色圓點）、總雨量（填色，單位：mm）、平均雨強（等值線，單位：mm/d）的空間分布

2.3 關(guān)鍵環(huán)境參數(shù)特征

強對流天氣主要發(fā)生在大氣處在條件不穩(wěn)定、一定的水汽條件和適當(dāng)?shù)拇怪憋L(fēng)切變的環(huán)境下[11-12]。據(jù)此，研究選取的關(guān)鍵環(huán)境參數(shù)主要包括表征水汽條件的850 hPa溫度露點差（TTd(850)）及表征降水效率的暖云層厚度；表征動力條件的0~6 km垂直風(fēng)切變（SHR，0~6 km風(fēng)矢量差）；表征大氣層結(jié)穩(wěn)定度的K指數(shù)；表征熱力能量的CAPE。

圖6是不同類型短時強降水關(guān)鍵環(huán)境參數(shù)箱形圖。槽前型和臺風(fēng)型T-Td(850)較小，臺風(fēng)型下四分位值為0℃，槽前型下四分位值和中位值都為1℃，表明這兩類短時強降水發(fā)生前，近地面層水汽條件好。與此相反，副高控制型T-Td(850)整體偏高，主要分布在1℃~6.9℃，平均值4.6℃（圖6a）。暖云層是抬升凝結(jié)高度到0℃層高度之間的厚度差，暖云層厚度越厚，越有利于高降水效率的產(chǎn)生。5種天氣型的暖云厚度箱形圖中，臺風(fēng)型厚度最大，都在3 600 mm以上，均值為4 809 mm；副高邊緣型次之，均值為4 502 mm（圖6b）。將0~6 km垂直風(fēng)切分為弱、中和強3檔，圖6c顯示，除了副高控制型為弱垂直風(fēng)切（SHR＜12 m/s），其余4類基本為中等強度垂直風(fēng)切變（12 m/s≤SHR＜20 m/s）[13]。除了槽前型和副高邊緣型的K指數(shù)有低于25℃，其余都大于28℃。其中臺風(fēng)型的均值在36℃以上，這可能與中低層濕層深厚有關(guān)。冷渦（槽）后型中高層有一定的干冷空氣侵入也導(dǎo)致了大氣層結(jié)的不穩(wěn)定，其K指數(shù)超過了36℃（圖6d）。CAPE是日常業(yè)務(wù)中判斷深厚濕對流潛勢的重要參數(shù)，各類型CAPE箱形圖有所差別。副高邊緣型和副高控制型的箱體寬，大值多，尤其是副高控制型均值在2 700 J/kg以上。原因可能是7、8月平均氣溫顯著升高，水汽條件充沛。結(jié)合箱形圖中位數(shù)位置可知，在其他3類天氣型條件下，CAPE值在1 500 J/kg左右，就會引發(fā)短時強降水（圖6e）。

圖6 不同類型短時強降水關(guān)鍵環(huán)境參數(shù)箱形圖

3 結(jié)論與討論

以500 hPa上的環(huán)流特征為基礎(chǔ)對短時強降水進行環(huán)流分型，進一步揭示了不同天氣系統(tǒng)背景下短時強降水的分布特征和相應(yīng)的關(guān)鍵環(huán)境參數(shù)特征，主要結(jié)論如下:

（1）金壇地區(qū)短時強降水的天氣型主要有5種，分別為：槽前型、冷渦（槽）后型、副高邊緣型、副高控制型、臺風(fēng)型。其中4—5月槽前型為主；冷渦（槽）后型主要出現(xiàn)在6—7月；副高邊緣型主要出現(xiàn)在6—9月，尤以8月次數(shù)最多；副高控制型主要出現(xiàn)在7—8月；臺風(fēng)型主要出現(xiàn)在8月。

（2）槽前型高發(fā)區(qū)主要位于金壇區(qū)東部及南部指前鎮(zhèn)，且在08:00和19:00~20:00多 發(fā)；冷 渦（槽）后 型 在08:00~15:00多發(fā)，呈東多西少，南北多，中部少的分布特征，且短時強降水雨強大，持續(xù)時間長；副高邊緣型在08:00~10:00多發(fā)，空間分布與冷渦（槽）后型類似，雨量大值區(qū)位于在金壇區(qū)北部金城鎮(zhèn)；副高控制型主要集中在14:00和18:00，高發(fā)區(qū)位于金壇區(qū)東部堯塘鎮(zhèn)，且短時強降水雨量小，局地性強；臺風(fēng)型在18:00~23:00多發(fā)，呈東多西少的特征，且雨量大。

（3）5種天氣型對應(yīng)的關(guān)鍵環(huán)境參數(shù)存在明顯差異。槽前型和臺風(fēng)型T-Td(850)較小，近地面層水汽條件好；臺風(fēng)型暖云厚度最大，副高邊緣型次之，降水效率高；除副高控制型為弱垂直風(fēng)切，其余4類基本為中等強度垂直風(fēng)切變；臺風(fēng)型和冷渦（槽）后型K指數(shù)較高，都超過了36℃；副高邊緣型和副高控制型CAPE值高。

本研究深入分析金壇地區(qū)不同天氣系統(tǒng)背景下降水的分布特征和相應(yīng)的關(guān)鍵環(huán)境參數(shù)特征，為逐步開展針對性氣象服務(wù)提供科學(xué)依據(jù)。由于樣本長度對研究有一定影響，因此下一步將收集更加完善的降水資料，進一步細化環(huán)境參數(shù)特征和中小尺度系統(tǒng)影響，以此建立預(yù)報模型，提高精細化預(yù)報預(yù)警能力。