暴雪是北方冬季重要的灾害性天气之一,而大范围连续的降雪天气往往使交通瘫痪、电力和通信中断,严重影响人们的正常生活,给社会经济造成巨大损失。对于暴雪或持续性降雪过程的形成原因,气象学者[1-6]从大的环流背景、影响系统、机理原因及预报着眼点等方面进行了研究,取得了很多有益的研究成果。例如,针对华北暴雪,冷锋、华北锢囚锋、温带气旋与地面倒槽等被认为是主要的地面影响系统[7-9],且不同影响系统产生的降雪强度以及给当地带来的灾害程度也不同。针对东北暴雪,影响系统更多的是气旋冷锋型和回流型[10]。朱蕾等[11]总结了新疆两次极端暴雪天气过程,指出高空槽、切变线与低空气流的相互配合是产生暴雪天气的主要原因。罗布坚参等[12]则分析了青藏高原3次暴雪过程,指明南支槽是其主要的影响系统。可见,不同的地域,造成暴雪的主要影响系统不同。即使同一地域,同一类天气系统,比如高空槽,由于其所处的位置、强度、经向度及所配合的槽前西南气流不同,也会在天气事件中产生不同的作用。本文分析2021年2月下旬在黄河中下游出现的两次暴雪天气过程,其大尺度天气系统基本相似,但是其产生的降水相态却存在差异。为什么会产生这种现象,将是分析的重点。
2021年2月下旬,由于近地层气温回升,中纬度地区降水相态的演变成为该时段预报中的难点。对于降水相态的判别,许多研究人员[13-15]从低层温度因子入手给出不同的指标。THÉRIAULT et al.[16]研究认为温度廓线0.5 ℃的偏差就能引起降水相态变化,而引起温度层结变化的原因非常复杂,加强对温度层结变化机制的理解和认识对做好降水相态预报非常重要。LACKMANN et al.[17]研究了低层逆温层结中冻结和融化作用对降水相态的影响。KAIN et al.[18]应用简化的公式估算雪花在融化过程中的非绝热冷却作用对相态转变的影响。翟亮等[19]对北京2016年初雪过程进行温度平流分析,指出暖平流偏强导致零度层高度下降慢,从而导致降雪量实况比预报偏小。这些研究重点分析了近地层的温度变化或者温度平流作用,说明这两个因素是相态转换的关键,那么在2021年2月下旬这两次暴雪中这两个因素又是如何影响了相态的转换呢?因此,利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)ERA5再分析资料、地面自动气象站逐小时观测和每日两次常规高空资料、双偏振多普勒天气雷达资料、济南站微波辐射计资料等对2021年2月下旬黄河中下游两次暴雪过程中的相态演变及形成机理进行分析。文中所用时间均为北京时。
1 资料介绍选取黄河中下游地区(34°~40°N,107°~122°E) 442个国家级地面气象观测站逐时降水资料;Micaps提供的降水时段高空、地面资料;欧洲中期天气预报中心提供的第五代再分析数据,分辨率为0.25°×0.25°,垂直方向从1 000 hPa到10 hPa共16层,要素包括风场、温度等。文中还使用了济南站的双偏振多普勒天气雷达及微波辐射计资料。济南的CINRAD/SA雷达是2019年5月29日完成的双偏振(CINRAD/SA-D)技术升级并通过现场测试,作为国内比较早进行双偏振升级改造的业务组网雷达之一,进行了双偏振技术升级数据的可靠性及稳定性的评估检验。另外,济南安装的微波辐射计是国产QFW-6000型,该仪器采用并行测量技术体制,具有天顶观测和边界层扫描两种观测模式,V波段(51~59 GHz)和K波段(22~31 GHz)各有8个通道,温度和湿度数据的时间分辨率为5 min,从地面至10 km内共有53层,2 km以下分辨率为100 m,2~10 km的分辨率为250 m。该型号微波辐射计对廓线的反演算法是依据L波段雷达探空点的历史探空数据,且L波段探空数据的垂直分辨率较高,所以结合L波段探空资料进行微波辐射计反演数据的可用性分析是较好的选择[20]。基于不同天气现象对该仪器反演要素精度的检验,整体上其反演的温度、水汽密度等的偏差较小,可以近似作为实况使用[21]。
2 过程概况 2.1 雨雪天气概况2021年2月24—25日(简称“过程Ⅰ”),黄河中下游地区出现了一次明显的暴雪天气过程。从图 1a中可以看到,降水量大值区主要在山西南部、河南北部与山东的中南部,最大降水出现在山东省巨野县(菏泽东北方向60 km处),降水量为50.4 mm,如此强的降水在这个季节实属罕见。以山东为例,2月下旬历年平均降水量为3 mm左右,而这次过程山东省平均降水量为15 mm,降水明显偏多。过程前期黄河下游地区气温大都在5 ℃上下,降水相态是雨,过程后期随着气温下降转为雪。结合积雪深度来看,黄河下游强降水区的积雪深度大多在5 cm以上,更有地区积雪深度达10 cm以上。依据中国气象局预测减灾司下发的《中短期天气预报质量检验办法(试行)》中规定,在北方雨夹雪总量值达10.0 mm且雪深≥10 cm计暴雪,可见这次发生在黄河中下游地区的天气属于一次大雪到暴雪过程。
时隔2 d后,2021年2月28日—3月1日(简称“过程Ⅱ”),黄河中下游地区又出现一次强降水过程。这次主要降水区位于山东中部及河北南部,最大降水出现在寿光市(潍坊西侧),为36.4 mm。过程前期部分地区降水相态也以雨为主,后期转为雪。由积雪深度来看,山西与陕西的北部出现了5~10 cm的积雪,雪量也达到大雪到暴雪量级(图 1b)。
综上,这两次雨转暴雪过程均发生在2月下旬,过程降水量均较常年明显偏多。相较而言,过程Ⅱ的降水量较过程Ⅰ略小,其降雪区域较过程Ⅰ偏北2~3纬距,降雪的范围、雪量较过程Ⅰ偏小,最大降水中心较过程Ⅰ偏东。
2.2 雨雪相态分布及转换特征过程Ⅰ与过程Ⅱ均发生在黄河中下游地区,均存在降水相态转换。图 2a给出了过程Ⅰ相态转换区域示意图,可以看到:这次过程山东以西大部分地区的降水相态是雨转雪,山西南部与河北南部是雨夹雪或雪,山东大部与陕西中南部是雨转雪再转雨,山东临沂以南是雨。选取降水相态转换频繁的济南站来观察相态的具体演变(表 1)。济南站在24日23:00气温是3 ℃,降水相态是雨;25日00:00气温为1 ℃,降水相态是雨夹雪;01:00气温为0.6 ℃,降水相态是雪;06:00气温回升到0.8 ℃时,降水相态又转为雨夹雪;07:00气温升至0.9 ℃,降水相态转为雨。
过程Ⅱ也存在降水相态的转换,从图 2b中可以看到:陕西西部降水相态是雪或雨夹雪,黄河以北的大部地区是雨转雪,黄河以南是雨。针对这次过程仍以济南站为代表站观察其相态的转换(表 1),3月1日01:00,济南站气温为4 ℃时,降水相态是雨,当气温降为2 ℃时,降水相态是雨夹雪,气温降至1 ℃时,降水相态转为雪。
通过以上分析可知,两次过程存在着共同点:均发生在2月下旬的黄河中下游地区;降水量均较大,明显超过常年均值;均存在降水相态的转换,部分地区达到大雪到暴雪量级。不同点表现为:过程Ⅰ的降水区位置较过程Ⅱ偏南2~3纬距,大到暴雪的范围较后者广;过程Ⅰ中的降水相态更复杂,存在雨转雪又转雨的区域。由济南站的降水演变可以看出:过程Ⅱ较过程Ⅰ降水持续时间长;过程Ⅰ中,济南站气温在1 ℃时降水相态是雨,而在过程Ⅱ中气温在1 ℃时降水相态是雪。
3 雨雪相态分布的环流特征2021年2月24日20时(图 3a),欧亚大陆500 hPa中纬度为纬向环流,有弱的短波槽沿偏西气流东移,高空槽位于河套—四川一线,槽后为降温区(24 h最大变温为-2.0 ℃),存在风速达20 m ·s-1的西北风与之配合,槽前有西南气流发展。700 hPa自中南半岛有强劲的低空急流向北延伸至黄河下游,最大急流中心强度达22 m ·s-1,在低空急流附近有大片的t-td≤2 ℃的高湿区。850 hPa低涡中心位于四川境内,自低涡向东北方向伸展的倒槽中有切变线存在,可达山东西南部。此时,地面图(图 3c)上,倒槽向北伸展到河套南部,河套北部处于东北低压底部,黄河中下游恰处于东南风与西北风交汇的区域,黄河北岸以雪为主,以南以雨为主。夜间,随着冷空气的扩散南下,黄河南岸的部分地区降水相态逐渐转为雪或雨夹雪。25日08时,除山东外,其余地区的降水基本结束,而山东大部地区降水相态又由雪转为雨。2021年2月28日20时(图 3b)的大尺度环流形势与24日20时相近,500 hPa中纬度也为弱的短波槽,槽后的最大西北风速为28 m ·s-1,也配合有降温区(24 h最大变温为-7.2 ℃);700 hPa有向黄河下游伸展的低空急流(急流中心强度达30 m ·s-1)与高湿区;850 hPa有自四川向北伸展的切变线、倒槽。地面图(图 3d)上,黄河中下游地区南部为倒槽,北部位于华北低压底部。河北以西的黄河北岸为降雪区,黄河以南及山东、河北的大部地区为雨区。夜间,随着冷锋携带的冷空气快速南下影响河北、山东等地,降水相态由雨转为雪。
综上,两次过程的大尺度环流背景基本一致,高空的影响系统均为高空槽、切变线与低空急流。地面图上,均受南方倒槽与北方低压的共同影响。正是因为影响系统的基本一致,才使得两次过程在产生的天气现象方面存在许多共性,表现为多于常年的降水量,大范围的降水区,存在着相态转换等。同时,由于影响系统强度、位置的差异,导致降水落区、降水强度的些许差异,主要表现在以下几个方面:①过程Ⅰ中850 hPa控制华北地区的是一个高压坝,低空急流向北到达的位置较过程Ⅱ偏南,因而过程Ⅰ中的主要降水区较过程Ⅱ偏南2~3个纬距。②过程Ⅰ中700 hPa低空急流与850 hPa倒槽的位置均较过程Ⅱ偏西,所以过程Ⅰ中的降水中心偏西,而过程Ⅱ中的偏东。③由冷空气的强度来看,过程Ⅰ中500 hPa槽后冷空气势力较过程Ⅱ中的偏弱,过程Ⅰ中冷空气以扩散南下的形式影响黄河中下游地区,而过程Ⅱ中,冷空气配合着冷锋快速南下,因而过程Ⅱ中的相态转换不及过程Ⅰ中的复杂。这也提醒预报员在利用相似个例做预报时需要关注天气系统的位置、强度等的差异,进而对降水落区、强度进行调整。
4 雨雪相态分布及转换的要素特征 4.1 雨雪相态分布的温度特征2月24日20时,黄河中下游出现降水,同一时刻表现为雪、雨夹雪与雨三种相态并存,配合高精度地形图(图 4a)可以发现,在山区及靠近山区的地区,降水相态是雪或雨夹雪,其余地区多以雨为主。据统计,山区2 m温度小于0 ℃时,降水相态是雪或雨夹雪;河北南部与河南北部的平原地区2 m温度小于1 ℃时,降水相态是雪,2 m温度大于2 ℃时,降水相态是雨。当2 m温度在1~2 ℃之间时,平原地区降水相态为雨或雨夹雪,当2 m温度在0~1 ℃之间时,会出现雪与雨夹雪并存。2月28日20时降水开始时,如图 4b所示的山区多为雪或雨夹雪,其余地区则以雨为主。地面2 m温度的演变特征是山区2 m温度小于1 ℃时,降水相态是雪或雨夹雪,当2 m温度小于0.5 ℃时,降水相态多为雪。另外,过程Ⅰ中1 000 hPa温度为0~2 ℃时会出现雨、雨夹雪与雪并存,其温度越接近0 ℃,降纯雪的概率越大;925 hPa的温度小于-3 ℃时,90%的测站降水相态是雪,其温度在-2~0 ℃之间时,会出现雨、雨夹雪与雪并存。过程Ⅱ的前期(图 4b),山区以雪或雨夹雪为主,因为山区海拔高度超过925 hPa,当地没有探空数据,故只能用地面2 m的温度来判断降水相态。在平原地区,1 000 hPa与925 hPa的温度在相态转换中的特征基本与过程Ⅰ一致。
图 5给出了两次过程降水相态转换时刻的温度平流。从图 5中可以看到,过程Ⅰ中,黄河中下游地区近地层的冷平流主要位于40°N以北,与冷平流配合的风场偏弱,济南以南的大部地区处于暖平流之中,因而河北北部与山东西北部降水相态是雪,而济南以南多为雨夹雪或雨为主。过程Ⅱ中,黄河中下游近地层的冷平流势力较过程Ⅰ明显偏强,冷平流0 ℃线伸至40°N附近,与冷平流配合的北风势力强盛,随着冷空气的南侵,黄河中下游地区的降水相态转为雪。
过程Ⅰ中,山东的大部地区在2月25日清晨出现由雪转雨的相态逆转,从地面2 m温度的变化中可以发现降水相态逆转的地区在2月25日清晨大都升温0.5~2.0 ℃,但ECMWF再分析数据925 hPa上的温度几乎没有变化,表明地面2 m温度的升高是此次过程相态逆转的关键,这与前人[13, 22]的研究趋于一致。相态逆转多是由对流层低层存在暖平流或温度日变化升温造成的[13]。在过程Ⅰ中降水相态逆转的时间在凌晨,不存在日变化升温的原因,那是否是暖平流起的作用呢?研究发现,2月25日08时925 hPa图(图略)上,随着西南倒槽向东北方向伸展,黄海上空的暖脊明显向东北方向拱,山东的大部地区处于暖脊后部,温度在-1~0 ℃之间。对应地面图(图略)上,长江下游的江淮气旋向东北方向移动,其倒槽向北延伸,与之配合的暖脊控制鲁中以南的大部分地区。此时,山东受倒槽顶端偏东风影响,来自海面的暖湿气流使得山东大部地区2 m气温升高,因而贴地层的暖平流输送是造成这次相态逆转的根本原因。
为进一步了解济南上空的要素演变,图 6给出了2021年2月24日20时与28日20时该站的t-lnp图。从图 6a中可以看到,过程Ⅰ中800~250 hPa,露点线与温度线近于重合,800 hPa至地面露点线与温度线分离,表明对流层中高层空气近于饱和,对流层低层环境场很干。此时,地面2 m温度为4 ℃,降水相态是雨。夜间,当降水粒子自高空降落至800 hPa以下干的环境时,下落的降水粒子会快速蒸发,促使环境场温度降低,同时加上温度日变化的原因,最终影响到降水相态。2021年2月28日20时从地面到高空湿层深厚(图 6b),降水粒子在近于饱和的环境中下落,粒子表面蒸发很少,近地层温度的升降主要取决于冷暖平流的强度。当近地层温度接近或低于0 ℃时,降水相态就会发生转换。可见,近地层环境场的干湿状况也是影响近地层温度的一个因素。
济南站在降水相态转换的过程中,除了近地层温度符合上述指标外,是否还有其他因素决定这两次降水相态的转换呢?借助济南微波辐射计数据观察该站上空边界层内温度的变化情况(图略)。过程Ⅰ中,24日白天800 m至地面气温明显高于0 ℃,降水相态是雨,夜间随着冷空气南下气温快速下降,25日02时0 ℃层下降至800 m高度,02—05时0 ℃层基本维持在这个高度上。近地面大气被0 ℃层分为两部分,其上是冷层(t<0 ℃),其下是暖层(t>0 ℃),暖层中气温在0~1 ℃间波动,致使该站降水相态由雨转雪后又转雨。过程Ⅱ中,28日夜间冷空气随着冷锋快速南下,济南站上空气温陡降,3月1日05:00气温降至0 ℃以下后一直维持负值,所以降水相态维持雪直至过程结束,说明0 ℃层的快速下降是相态转换的一个原因。
图 7给出了两次过程中济南站部分雷达产品随时间的演变。可以看到,2月24日20:00—25日00:00,济南降水相态是雨时,反射率因子(Z)强度由20 dBZ升至30 dBZ,同时差分反射率(ZDR)由21:30的0.2 dB升至0.8 dB,相关系数(CC)的值由0.50升至0.98,差分传播相移率(KDP)总体也呈现出上升的趋势。00:00—01:00,降水相态是雨夹雪,KDP没有变化,CC由0.98升至0.99,ZDR与Z的值呈下降趋势。01:00之后,降水相态转为纯雪,CC的值维持在0.99,其余三个量的曲线均呈波动下降的走势。06:00前后,降水相态由雪转雨,表现最明显的是ZDR的值快速上升,CC值开始下降。2月28日17:00—3月1日01:30,济南的降水相态是雨时,Z值约为35 dBZ,KDP值约为0.2 (°) ·km-1,ZDR的值由降雨开始时刻的3.5 dB下降至0.8 dB,CC的值由0.87缓慢上升至0.98。01:30—02:30,降水相态有短时的雨夹雪,ZDR值略有下降,CC与KDP值变化不大。03:00降水相态转为纯雪,Z值约在30 dBZ以下,KDP值约为0.15 (°) ·km-1,CC的值维持在0.99,ZDR的值在0.2~0.8 dB之间波动。通过以上分析可知:在降雨阶段,CC值约在0.98以下,ZDR在0.6 dB以上,KDP值约在0.2 (°) ·km-1以上;在降雪阶段,CC值在0.98~0.99之间,ZDR值为0.2~0.8 dB,KDR值约在0.2 (°) ·km-1以下。但降水相态由雨转雨夹雪时,ZDR、CC与KDP值一般变化不大。Z值可以反映降水的强度,对降水相态指示意义不大。
利用常规资料、地面加密自动气象站、双偏振多普勒天气雷达、微波辐射计、ERA5再分析资料及GPS/MET等多源观测资料,从大尺度环流背景、物理量演变及雷达回波特征入手,分析了两次暴雪过程强降水产生的原因,并剖析了两次过程中雨雪相态分布及转换的特征。主要结论如下:
(1) 两次过程均发生在黄河中下游地区,均存在降水相态的转换,其中过程Ⅰ存在雨转雪又转雨的区域,表明该过程降水相态更复杂。过程Ⅰ中降雪的强度、范围较过程Ⅱ偏大,强降水中心位置较过程Ⅱ偏西、偏南。
(2) 两次过程的天气尺度影响系统均是高空槽、切变线、低空急流与地面倒槽,但由于这些系统的强度、位置等不同,导致两次过程的降水落区与强度略有差异。
(3) 在降水相态转换的季节,近地层的温度变化是判断相态转变的重要指标,尤其是地面2 m气温对相态的转换有一定的指示性。这两次过程中:在山区,当2 m气温小于0.5 ℃时,降水相态多为雪,当气温小于1 ℃时,多为雪或雨夹雪并存;在平原地区,当2 m气温在1~2 ℃之间时,降水相态为雨或雨夹雪,当气温为0~1 ℃时,会出现雪与雨夹雪并存。
(4) 由雷达回波来看,在降雨阶段,CC值约在0.98以下,ZDR在0.6 dB以上,KDP值约在0.2 (°) ·km-1以上;在降雪阶段,CC值在0.98~0.99之间,ZDR值为0.2~0.8 dB,KDP值约在0.2 (°) ·km-1以下。但降水相态由雨转雨夹雪时,ZDR、CC与KDP值变化不大。
[1] |
陈雪珍, 慕建利, 赵桂香, 等. 华北暴雪过程中的急流特征分析[J]. 高原气象, 2014, 33(4): 1069-1075. |
[2] |
王喜, 王琴, 向阳, 等. 2018年1月江苏3次致灾暴雪成因对比分析[J]. 海洋气象学报, 2020, 40(1): 134-143. |
[3] |
杨成芳, 李泽椿. 近十年中国海效应降雪研究进展[J]. 海洋气象学报, 2018, 38(4): 1-10. |
[4] |
刘畅, 杨成芳, 郑丽娜. 江淮气旋影响下的山东降雪过程相态特征[J]. 海洋气象学报, 2019, 39(3): 74-83. |
[5] |
杨成芳, 刘畅, 郭俊建, 等. 山东相态逆转降雪天气的特征与预报[J]. 海洋气象学报, 2017, 37(1): 73-83. |
[6] |
李燕, 赛瀚, 刘晓初, 等. 辽宁东南部一次强降雪天气的成因分析[J]. 海洋气象学报, 2021, 41(3): 84-93. |
[7] |
熊秋芬, 张玉婷, 姜晓飞, 等. 锢囚气旋钩状云区暴雪过程的水汽源地及输送分析[J]. 气象, 2018, 44(10): 1267-1274. |
[8] |
彭霞云, 刘汉华, 李文娟, 等. 一次局地暴雪过程低层降温机制分析[J]. 气象, 2020, 46(8): 1015-1025. |
[9] |
范俊红, 易笑园. 大范围持续暴雪过程中多种影响系统的对比分析[J]. 气象学报, 2019, 77(6): 965-979. |
[10] |
阎琦, 崔锦, 杨青. 2018年辽宁两次雨转暴雪过程对比分析[J]. 干旱气象, 2019, 37(6): 944-953. |
[11] |
朱蕾, 王清平, 王勇, 等. 乌鲁木齐两次极端暴雪天气过程对比分析[J]. 暴雨灾害, 2020, 39(3): 225-233. DOI:10.3969/j.issn.1004-9045.2020.03.002 |
[12] |
罗布坚参, 假拉, 德庆, 等. 南支槽影响下西藏高原南部3次暴雪天气特征分析[J]. 气象, 2019, 45(6): 862-870. |
[13] |
杨成芳, 姜鹏, 张少林, 等. 山东冬半年降水相态的温度特征统计分析[J]. 气象, 2013, 39(3): 355-361. |
[14] |
苗爱梅, 董文晓, 贾利冬, 等. 近30 a山西不同相态降水的统计特征及概念模型[J]. 干旱气象, 2014, 32(1): 23-31. |
[15] |
宿秋兰, 郑丽娜. 2020年初山东一次雨转暴雪天气过程分析[J]. 陕西气象, 2021(1): 15-20. |
[16] |
THÉRIAULT J M, STEWART R E, HENSON W. On the dependence of winter precipitation types on temperature, precipitation rate, and associated features[J]. J Appl Meteor Climatol, 2010, 49(7): 1429-1442. DOI:10.1175/2010JAMC2321.1 |
[17] |
LACKMANN G M, KEETER K, LEE L G, et al. Model representation of freezing and melting precipitation: implications for winter weather forecasting[J]. Wea Forecasting, 2002, 17(5): 1016-1033. DOI:10.1175/1520-0434(2003)017<1016:MROFAM>2.0.CO;2 |
[18] |
KAIN J S, GOSS S M, BALDWIN M E. The melting effect as a factor in precipitation-type forecasting[J]. Wea Forecasting, 2000, 15(6): 700-714. DOI:10.1175/1520-0434(2000)015<0700:TMEAAF>2.0.CO;2 |
[19] |
翟亮, 郭淳薇, 马新成, 等. 北京2016年"11 ·20"初雪预报偏差分析[J]. 气象, 2018, 44(1): 151-158. |
[20] |
张佃国, 王俊, 李晓印, 等. 济南及周边地区大气气溶胶空间分布特征[J]. 高原气象, 2011, 30(5): 1346-1355. |
[21] |
丁虹鑫, 马舒庆, 杨玲, 等. 云雷达和微波辐射计联合反演大气湿度廓线的初步研究[J]. 气象, 2018, 44(12): 1604-1611. |
[22] |
刘畅, 杨成芳, 宋嘉佳. 一次江淮气旋复杂降水相态特征及成因分析[J]. 气象科学, 2016, 36(3): 411-417. |