攀枝花“6·14”暴雨水汽來源分析

收稿日期：2023-10-10

作者簡介：李玄（1996—），男，四川廣安人，助理工程師，主要從事氣象數(shù)據(jù)分析與應(yīng)用研究工作。

摘 要：利用常規(guī)觀測數(shù)據(jù)、ERA5再分析資料、NOAAReanalysis資料以及NCEP GDAS數(shù)據(jù)，對2020年6月13日—14日攀枝花暴雨天氣過程及水汽來源進(jìn)行了分析，結(jié)果表明：此次暴雨過程由500 hPa、700 hPa切變、局地對流和地面冷空氣的共同作用下發(fā)生。在此次暴雨過程中，東南氣流和東北氣流對引導(dǎo)水汽輸送和造成水汽輻合起著至關(guān)重要的作用。在降水發(fā)生時期，當(dāng)?shù)刈鳛樗椇现行?，為此次暴雨提供了充足的水汽條件。影響此次降水的水汽主要來源于孟加拉灣和阿拉伯海，其中孟灣的水汽貢獻(xiàn)最大，700 hPa上水汽貢獻(xiàn)率達(dá)47%，500 hPa上水汽貢獻(xiàn)率達(dá)38%，并且水汽源地的高度較高，位于5 000 m以上。

關(guān)鍵詞：暴雨；水汽輸送；水汽源地；HYSPLIT

中圖分類號：P458.121.1 文獻(xiàn)標(biāo)志碼：B 文章編號：2095–3305（2024）04–0-03

近年來，在全球氣候變暖的大背景下，各類極端天氣事件頻發(fā)，氣象災(zāi)害造成的損失和影響不斷加重[1]。暴雨、洪澇、滑坡、泥石流等氣象災(zāi)害與降水量、降水強(qiáng)度密切相關(guān)。同時，暴雨預(yù)警信號更直接與降水強(qiáng)度相聯(lián)系。廣大氣象工作者十分重視對暴雨過程的研究[2-3]。

暴雨的形成主要需要三大條件，分別為充足的水汽、強(qiáng)盛而持久的氣流上升運動和大氣層結(jié)構(gòu)的不穩(wěn)定[4-6]。其中，充足的水汽是暴雨產(chǎn)生的先決條件[7-8]，因此分析暴雨過程中的水汽特征具有重大意義。

1 區(qū)域概況

攀枝花市位于四川省南部，東西南三面與云南毗鄰，地處青藏高原東南側(cè)的西南季風(fēng)區(qū)，具有干濕季分明的特點。隨著西南季風(fēng)活動的加強(qiáng)和西太平洋副熱帶高壓的增強(qiáng)西伸，孟加拉灣和南海的暖濕氣流給攀枝花市帶來了充足的水汽，全市由干季逐漸進(jìn)入雨季。在預(yù)報過程中發(fā)現(xiàn)，干濕兩季轉(zhuǎn)變的臨界條件難以把控，因此分析首場暴雨的降水特征和水汽來源尤為重要[9-10]。

利用常規(guī)觀測數(shù)據(jù)、ERA5再分析資料、NOAA Reanalysis資料以及NCEP GDAS數(shù)據(jù)，對攀枝花“6·14”暴雨前期天氣形勢特征、水汽能量條件進(jìn)行分析，并對此次暴雨的水汽輸送、來源進(jìn)行特征分析以及HYSPLIT后向軌跡模擬，從而了解攀枝花降水過程的水汽來源，加深對暴雨形成機(jī)制的認(rèn)識，提高預(yù)報員對本地預(yù)報的準(zhǔn)確性，為日后對暴雨災(zāi)害的預(yù)警預(yù)報等服務(wù)工作能力的提升奠定基礎(chǔ)[11-12]。

2 天氣形勢與水汽條件

2.1 環(huán)流形勢

2020年6月13日20：00—14日20：00，受切變和局地對流共同影響，攀枝花市出現(xiàn)了一次區(qū)域性暴雨天氣過程。過程前期，500 hPa歐亞中高緯地區(qū)為兩槽一脊形勢，貝加爾湖和東西伯利亞附近分別有一低槽，隨時間逐漸增強(qiáng)加深，不斷分裂出低槽南下影響我國，之后低槽進(jìn)一步加深南移，低槽先后影響甘肅—四川—重慶—貴州—云南一帶，引導(dǎo)冷空氣南下，因此該大氣環(huán)流形勢有利于暴雨的產(chǎn)生。

2.2 水汽與能量條件

6月13日08：00，西昌水汽條件較好，濕層較深厚，并且整體層結(jié)呈現(xiàn)上干下濕的特點，有利于大氣層結(jié)中不穩(wěn)定能量的積累。從比濕分布情況可以看出（圖1），西昌市處于比濕的低值區(qū)，因此尋找本次過程的水汽輸送通道尤為重要。

此外，西昌、威寧能量條件具有一定不穩(wěn)定能量，而麗江、昆明能量條件較差。13日08：00，西昌、麗江、昆明的CAPE值均較小，在13日20：00明顯增加，其中西昌站更是達(dá)到了3 409.5 J/kg，增幅在3 000 J/kg以上，到14日08：00，CAPE值迅速減小至275.2 J/kg，能量有明顯的釋放，與強(qiáng)降雨發(fā)生時段對應(yīng)。

3 水汽來源

3.1 水汽輸送特征

充足的水汽是產(chǎn)生暴雨過程的主要物理條件之一。圖2為整層水汽通量與水汽通量散度的分布情況，通過水汽通量的分布情況，工作人員可了解水汽的移動情況。進(jìn)入攀枝花市的水汽主要由南海向西北以及盆地向西南輸送，水汽在攀枝花市匯集。從水汽通量散度分布也可以看出，暴雨發(fā)生時期攀枝花市處于水汽通量散度的大值區(qū)，水汽輻合極為顯著，也說明了攀枝花市為水汽的匯集地。

3.2 水汽收支情況

為定量分析本次暴雨過程水汽輸送和收支情況，通過計算不同時間段通過各邊界的平均水汽通量垂直積分，選取2020年6月13日22：00、14日02：00、14日06：00（即本次降水過程開始時期、第一段強(qiáng)降水時期、第二段強(qiáng)降水時期）。

由圖3可以看出，3個時間段均表現(xiàn)為正的水汽收入，即攀枝花市為水汽輻合區(qū)；東邊界和北邊界是水汽的流入邊界，西邊界和南邊界是水汽的流出邊界；第二時段和第三時段的水汽收入量相當(dāng)并且明顯高于第一階段，這與降水強(qiáng)度的變化有很好的對應(yīng)關(guān)系。

由表1可以看出，攀枝花市的水汽主要來源于西邊界和南邊界，之后逐漸轉(zhuǎn)為東邊界和北邊界。由此可見，攀枝花市整體始終處于水汽凈流入的狀態(tài)，且強(qiáng)降水時段的水汽凈流入量明顯高于過程前期。

3.3 水汽輸送過程模擬

為進(jìn)一步定量分析暴雨過程的水汽輸送特征，利用HYSPLIT模式進(jìn)行分析。由于大氣中高層水汽含量很少，絕大部分集中于對流層中低層，又因為攀枝花海拔較高，平均海拔在2 500 m左右，因此選取

700 hPa、500 hPa對應(yīng)海拔（3 000、5 500 m）作為本次

模擬的初始高度，以攀枝花站作為模擬中心，模擬2020年6月14日04：00，即強(qiáng)降水發(fā)生時期120 h后向（即前5 d）軌跡，時間步長選取6 h。

軌跡聚類過程的空間方差增長率從軌跡3條開始，

隨軌跡條數(shù)減少明顯增長，因此選擇模擬3條軌跡（圖4a）。此外，本次降水過程中，來自孟加拉灣的西南通道（通道1）水汽輸送貢獻(xiàn)最大，占所有水汽輸送通道的47%；通道2、通道3較為接近，主要為來自阿拉伯海的偏西通道（圖4b）。

圖4" 初始高度3 000 m水汽軌跡聚類空間方差增長率（a）、和水汽輸送通道空間分布（b）

從圖5a可以看出，軌跡聚類空間方差增長率在軌跡小于4條時明顯增長，因此選擇模擬4條軌跡。從圖5b可以看出，在本次降水過程中，來自孟加拉灣的西南通道（通道3）水汽輸送貢獻(xiàn)最大，占所有水汽輸送通道的38%；通道1、通道2的水汽主要來自阿拉伯海，分別占16%和25%；通道4來自阿富汗，占總的22%。

另外，通過分析軌跡的三維空間分布可以發(fā)現(xiàn)，2個高度中不同路徑氣團(tuán)均來自較高海拔。本次暴雨過程大尺度環(huán)境下的水汽主要來自孟加拉灣和阿拉伯海。

4 結(jié)論

（1）通過暴雨區(qū)整層水汽通量和水汽通量散度計算可知，東南氣流和東北氣流在引發(fā)這場暴雨的水汽輸送和水汽輻合中起著至關(guān)重要的作用。在降水發(fā)生時期，攀枝花市作為水汽輻合中心，為本次暴雨提供了充足的水汽條件。

（2）通過HYSPLIT模式進(jìn)行模擬后發(fā)現(xiàn)，影響此次降水的水汽主要來源孟加拉灣和阿拉伯海，其中孟灣的水汽貢獻(xiàn)最大，700 hPa的水汽貢獻(xiàn)率達(dá)47%，500 hPa的水汽貢獻(xiàn)率達(dá)38%。并且水汽源地的高度較高，位于5 000 m以上。

（3）整層水汽通量和水汽通量散度所表現(xiàn)的水汽來源與HYAPLIT模式模擬得出的水汽來源不同，主要考慮整層水汽通量和水汽通量散度時間、空間尺度較小，而HYAPLIT模式下時間、空間尺度較大，后者主要為整個區(qū)域的水汽來源，前者為降水時段周邊水汽的一個輻合匯聚過程。

參考文獻(xiàn)

[1] 徐國強(qiáng)，趙晨陽.2017年5月7日廣州特大暴雨模擬中的背景場影響分析[J].氣象，2019，45（12）：1642-1650.

[2] 肖遞祥，毛家勛，李慶.”09·7”四川攀西暴雨的MCS特征及其成因分析[J].暴雨災(zāi)害，2010，29（1）：54-58，80.

[3] 卿清濤，陳文秀，詹兆渝.四川省暴雨洪澇災(zāi)害損失時空演變特征分析[J].高原山地氣象研究，2013，33（1）：47-51.

[4] 屠妮妮，何光碧，張利紅，等.四川地基GPS水汽資料特征[J].高原山地氣象研究，2012，32（4）：21-26.

[5] 陳棟，顧雷，蔣興文.1981—2000年四川夏季暴雨大尺度環(huán)流背景特征[J].大氣科學(xué)學(xué)報，2010，33（4）：443-450.

[6] 周長艷，李躍清.四川”9·3”大暴雨中的水汽輸送分析[J].成都信息工程學(xué)院學(xué)報，2005（6）：733-738.

[7] 屠妮妮，段瑋.2006年9月4—5日四川暴雨過程分析[J].氣象，2008（7）：51-60.

[8] 李躍清，蔣興文.1998年夏季長江上游暴雨過程的水汽輸送特征[J].暴雨災(zāi)害，2007（1）：35-39.

[9] 張小玲，張建忠.1981年7月9—14日四川持續(xù)性暴雨分析[J].應(yīng)用氣象學(xué)報，2006（S1）：79-87.

[10] 郭姿佑，伍志方，蔡景就，等.”8·18”廣東季風(fēng)低壓持續(xù)性特大暴雨水汽輸送特征[J].暴雨災(zāi)害，2019，38（6）：587-596.

[11] 李玉婷，譚貴蓉，何興潼，等.基于HYSPLIT模式的瀘州特大暴雨水汽輸送特征分析[J].高原山地氣象研究， 2020，40（2）：49-52.

[12] 張玉琴，姜波，李永軍，等.攀枝花短時強(qiáng)降水氣候特征分析[J].高原山地氣象研究，2013，33（2）：36-40.