四川暴雨過程動力因子指示意義與預報意義研究

李 琴　楊帥　崔曉鵬 3　冉令坤中國科學院大氣物理研究所云降水物理與強風暴實驗室，北京0009中國科學院大學，北京000493南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京0044

四川暴雨過程動力因子指示意義與預報意義研究

李 琴1,2楊帥1崔曉鵬1, 3冉令坤1
1中國科學院大氣物理研究所云降水物理與強風暴實驗室，北京100029
2中國科學院大學，北京100049
3南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京210044

李琴，楊帥，崔曉鵬，等. 2016. 四川暴雨過程動力因子指示意義與預報意義研究 [J]. 大氣科學, 40 (2): 341?356.Li Qin, Yang Shuai, Cui Xiaopeng, et al. 2016. Diagnosis and forecasting of dynamical parameters for a heavy rainfall event in Sichuan Province [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (2): 341?356, doi:10.3878/j.issn.1006-9895.1507.14296.

本文利用2010年8月18～19日四川盆地西部地區(qū)一次引發(fā)了泥石流等次生災害的暴雨天氣過程的數(shù)值模擬資料及0.5°×0.5°分辨率、每6 h一次的GFS（Global Forecast Model）預報資料，結合集合動力因子預報系統(tǒng)中的廣義對流渦度矢量垂直分量、質量散度、垂直螺旋度、質量垂直螺旋度、水汽垂直螺旋度、熱力垂直螺旋度、濕熱力平流參數(shù)、密度散度垂直通量、散度垂直通量、熱力散度垂直通量、水汽散度通量、廣義Q矢量散度等12個動力因子成員對此次暴雨過程進行診斷分析和預報研究，結果顯示：（1）集合動力因子預報系統(tǒng)中的動力因子對此次降水落區(qū)診斷效果良好；（2）各動力因子區(qū)域均值隨時間的變化曲線都能表現(xiàn)出降水區(qū)域均值隨時間變化曲線雙峰形態(tài)，其中，廣義Q矢量散度、水汽垂直螺旋度、熱力垂直螺旋度、質量垂直螺旋度、垂直螺旋度與降水的相關系數(shù)較大（達0.9以上），對此次降水的診斷效果較好；（3）動力因子對此次強降水過程的發(fā)展演變具有一定的預報能力。

Founded bythe Key Research Program of the Chinese Academy of Sciences (Grant KZZD-EW-05-01)

1　引言

中國西南部地形復雜，夏季降雨頻發(fā)。特別是位于青藏高原東南邊緣的四川西部地區(qū)，盛夏時區(qū)域性大暴雨過程的頻率、強度都遠大于東部（朱艷峰和宇如聰，2003），從高原到盆地地勢陡降，在川西高原與四川盆地接壤處的暴雨極易引發(fā)山洪、滑坡、崩塌、泥石流等次生地質災害。以往對中國西南部川西陡峭地形附近地質災害頻發(fā)區(qū)暴雨的研究，多集中在降水的日變化（白愛娟等，2011；沈沛豐和張耀存，2011）和年際變化特征（胡德強等，2014）、大尺度環(huán)流特征（郁淑華，1984，1986；蔣興文，2008）、影響的天氣系統(tǒng)以及地形影響（郁淑華等，1998；葛晶晶等，2008；盧萍等，2008；沈沛豐和張耀存，2011）等幾個方面。如，盆地西緣盛夏多暴雨，降水主要集中在7、8月份，具有局地性強、時間變異大、多夜雨（盧萍等，2009；薛羽君等，2012）等特征；四川盆地西部盛夏降水年際變化同我國西北、華北地區(qū)降水呈明顯的正相關關系，而與江南地區(qū)降水有明顯的負相關關系（胡德強等，2014）；在四川盆地西部地區(qū)盛夏降水偏多年，西太平洋副熱帶高壓偏北，同時西南渦較常年活躍（胡德強，2014）；趙玉春等（2012）、趙玉春和王葉紅（2010）研究了一次高原渦東移誘生西南渦引發(fā)川中特大暴雨的天氣過程，指出：隨著高原低值系統(tǒng)移入盆地上空和受秦嶺和大巴山地形影響，盆地低層氣流方向從偏南逐漸發(fā)展成偏東，高原大地形對偏東氣流的阻擋產(chǎn)生的繞流有利于西南渦的形成，地形對偏東氣流的強迫抬升作用有利于觸發(fā)對流產(chǎn)生降水。由于地形抬升作用影響，降水沿盆西山勢形成一條近似南北向的多雨帶，素有“華西雨屏”之稱（徐裕華等，1991）。復雜山地地形對對流系統(tǒng)的傳播有阻礙作用，使暴雨增幅明顯，地形越高對暴雨增幅越明顯，降水分布越不均勻（盛春巖等，2012）。 但這些研究主要是利用統(tǒng)計學和天氣學等方法圍繞暴雨的氣候學特征、相關環(huán)流形勢以及地形效應等進行的，涉及四川暴雨精細化落區(qū)的診斷和預報研究相對較少，難以滿足暴雨預報業(yè)務水平的提高和社會防災減災的需求。四川盆地西部暴雨強度主要呈增強趨勢（周長艷等，2011），在遭受大地震襲擊后，盆地西部暴雨就更易引發(fā)泥石流等次生災害，因此，四川暴雨落區(qū)，尤其是易于引發(fā)泥石流等次生災害的盆地西部暴雨落區(qū)的精細化研究是十分重要和迫切的。

由于極其復雜地形影響下該地區(qū)的暴雨預報率仍然較低是一個急需解決的難點，多途徑預報方法的試行或許是解決方案之一。高守亭等（2013）以暴雨觸發(fā)機制為出發(fā)點，基于國內最新研發(fā)的一系列暴雨動力因子開發(fā)了集合動力因子預報系統(tǒng)（簡稱EDFF），其基本原理是加強釋用暴雨中的動、熱力過程信息，利用模式預報較為準確的基本產(chǎn)品，構建具有明確物理意義且可表征關鍵熱動力過程的因子，并將其用于暴雨預報。該系統(tǒng)曾先后在北京、山東、貴州、陜西、山西、吉林等省份投入業(yè)務應用（牛立強等，2013）。該系統(tǒng)的動力因子對暴雨落區(qū)的預報能力在2008年我國南方地區(qū)的冰雪凝凍天氣（冉令坤和楚艷麗，2009），多個臺風個例（林青，2011；周冠博等，2012；王黎娟等，2013；許孌等，2013）和華北（趙宇和高守亭，2008；冉令坤和楚艷麗，2009；駱凱等，2010；楊帥等，2013；冉令坤等，2014）、東北（牛立強等，2013）、華東（朱剛，2012）、華南等地區(qū)多個暴雨個例中得到了檢驗，一系列檢驗工作均表明：動力因子在強降水區(qū)表現(xiàn)為強信號，在弱降水區(qū)和非降水區(qū)表現(xiàn)為弱信號，在降水落區(qū)預報方面，集合動力因子的預報略優(yōu)于GFS（Global Forecast System）模式的自身預報，它們能較好地追蹤降水系統(tǒng)的發(fā)展演變，它們對地面觀測降水有一定的指示作用（高守亭等，2013）。既然EDFF方法在中國多個地區(qū)對于多種暴雨類型均顯示出一定診斷和預報效果，在西南陡峭地形的川西地區(qū)，是否有效呢？

因此，本文借助于集合動力因子預報系統(tǒng)及其成員，運用中尺度精細化模擬資料、美國NCEP/ NCAR 分辨率為0.5°×0.5° GFS預報場資料，對2010年8月18～19日發(fā)生在四川盆地西部的一次引發(fā)了泥石流災害的暴雨過程的降水強度及落區(qū)進行診斷分析，主要解決如下幾個問題：（1）集合動力因子預報系統(tǒng)是否適用于四川西部地區(qū)？（2）如果適用，其中的哪些成員（或者說哪些動力因子）對該地區(qū)了診斷效果最好？（3）挑選的診斷效果最優(yōu)的成員可否預報四川西部地區(qū)暴雨？本文先通過個例分析回答以上問題，找到最優(yōu)診斷和預報因子，以便將來下一步通過大量個例檢驗其診斷和預報效果，以期為四川盆地西部暴雨預報業(yè)務工作提供參考思路。

表1　動力因子簡介Table 1　The brief introduction of dynamic parameters

2　資料和方法

2.1資料

本文運用中尺度WRF模式（V3.4.1）精細化模擬資料（9～3 km）（李琴等，2014）、美國NCEP/ NCAR 0.5°×0.5°分辨率GFS預報場資料，對2010 年8月18～19日發(fā)生在四川西部的一次引發(fā)了泥石流災害的暴雨過程的降水強度及落區(qū)進行診斷預報分析。這次過程發(fā)生在2010年8月18日12:00～19日12:00（協(xié)調世界時，下同）四川盆地西部山脈與四川盆地中部較平坦地形之間的狹長陡峭地形附近區(qū)域（即汶川—雅安地震帶附近），青衣江暴雨區(qū)與龍門山暴雨區(qū)（馬力等，2013）連接成帶，呈東北—西南走向分布，3個自動站達到特大暴雨量級[綿竹、大邑和蒲江站過程雨量分別達294.8、277.2和203.2 mm (24 h)?1]，降水空間分布極不均勻；造成大邑、綿竹、都江堰等16縣市出現(xiàn)了洪澇，并引發(fā)趙公山一帶等地震災區(qū)出現(xiàn)多處泥石流、滑坡等次生地質災害。此次暴雨過程位于一個鞍型場的大尺度背景環(huán)流下（陳棟等，2010），異常強大西伸的副高與中高緯東側高壓脊形成“東高西低”環(huán)流形勢，為此次暴雨過程提供了有利的大尺度條件；西南渦的發(fā)展加強及其與副高西側邊緣強風速帶的相互作用，增強了川西陡峭地形的抬升效應，促發(fā)暴雨發(fā)生（李琴等，2014）。

圖1　2010年8月18日12:00～18:00模擬的6 h累積地面降水量（陰影，單位：mm）以及逐時平均動力因子質量權重垂直積分量（等值線）：（a）廣義對流渦度矢量垂直分量（cvz*sum，單位：10?1K s?1）；（b）質量散度（divdensum，單位：102kg3m?7s?3）；（c）垂直螺旋度（helsum，單位：103kg2m?2s?6）；（d）質量垂直螺旋度（heldensum，單位：103kg4m?8s?6）；（e）水汽垂直螺旋度（helqvsum，單位：10 kg2m?2s?6）；（f）熱力垂直螺旋度（helthsum，單位：105K kg3m?5s?6）；（g）濕熱力平流參數(shù)（mtpsum，單位：10?4K2kg2m?6s?3）；（h）散度垂直通量（wdendivsum，單位：102kg4m?8s?6）；（i）密度散度垂直通量（wdivsum，單位：103kg2m?2s?6）；（j）廣義Q矢量散度（divq*sum，單位：10?8kg m?3s?3）Fig. 1　The 6-hour simulated rainfall (shaded, units: mm) and hourly average quality weighted vertical integration of dynamic parameters (contours) from 1200 UTC 18 to 1800 UTC 18 August 2010: (a) Vertical component of generalized convective vorticity vector (cvz*sum, units: 10?1K s?1); (b) mass divergence (divdensum, units: 102kg3m?7s?3); (c) vertical helicity (helsum, units: 103kg2m?2s?6); (d) mass vertical helicity (heldensum, units: 103kg4m?8s?6); (e) moisture vertical helicity (helqvsum, units: 10 kg2m?2s?6); (f) thermal vertical helicity (helthsum, units: 105K kg3m?5s?6); (g) moist thermodynamic advection parameter (mtpsum, units: 10?4K2kg2m?6s?3); (h) divergence vertical flux (wdendivsum, units: 102kg4m?8s?6); (i) mass dvergence flux (wdivsum, units: 103kg2m?2s?6); (j) generalized Q vector divergence (divq*, units: 10?8kg m?3s?3)

2.1方法

本文借助于高守亭和冉令坤等（高守亭等，2013）以暴雨觸發(fā)機制為出發(fā)點研發(fā)的集合動力因子預報系統(tǒng)（EDFF方法），首先分析了集合動力因子預報系統(tǒng)的成員，剔除掉與該地區(qū)域性影響系統(tǒng)相去甚遠的成員（比如能較好表征梅雨鋒生和相關的鋒面降水的廣義鋒生函數(shù)（Yang et al., 2014），結合川西地域特征，選取與該地高原大地形熱動力效應和環(huán)流特征更為相關、與暴雨發(fā)生的水汽和垂直運動等必要條件緊密聯(lián)系的12個動力因子成員（如表1所示），試圖加強釋用該地區(qū)暴雨中的動、熱力過程信息，利用模式預報較為準確的基本產(chǎn)品，將其用于暴雨預報。首先利用集合動力因子預報系統(tǒng)診斷分析是否適用于四川西部地區(qū)，其次尋找其中的最優(yōu)診斷和預報成員。

在等壓坐標系內對上述表格中的物理量A取從850～500 hPa的質量權重垂直積分，即，其中，代表物理量A取絕對值， r是空氣密度。下面將利用上述12個動力因子的質量權重垂直積分量對此次暴雨過程開展診斷分析。

圖1?。ɡm(xù)）Fig. 1　(Continued)

3　暴雨落區(qū)的動力學診斷分析

模擬的6 h 降水是累積量，而模擬的動力因子是瞬時量，因此在圖1、圖2、圖3中所示動力因子均為模擬累積降水初始至結束時刻逐時平均動力因子垂直積分量。2010年8月18日12:00～18:00（圖1），模擬的6 h累積地面降水主要位于青衣江暴雨區(qū)和龍門山暴雨區(qū)，兩個強降水中心分別位于瀘定縣和雅安附近；隨著天氣系統(tǒng)的發(fā)展與移動，18日18:00～19日00:00（圖2），青衣江暴雨區(qū)和龍門山暴雨區(qū)連接成帶，強降水集中在盆地西部山脈與盆地中部較平坦地形之間、呈東北—西南走向的狹長陡峭地形附近區(qū)域（即汶川—雅安地震帶附近），在降水雨帶的西南部主要有兩個強降水中心，分別位于眉山和溫江附近。19日00:00～06:00（圖3），降水帶略向東南方向移動，強降水中心強度衰減。19日06:00～12:00（圖略），降水雨帶持續(xù)向東南方向移動，降水強度進一步減弱。

從實際診斷效果來看，在整個降水時段中，模擬的 6 h累積地面降水區(qū)上空覆蓋著廣義對流渦度矢量垂直分量（cvz*sum）（圖1a、圖2a和圖3a）、質量散度垂直積分量（divdensum）（圖1b、圖2b和圖3b）和廣義Q矢量散度垂直積分量（divq*sum）（圖1c、圖2c和圖3c）大值區(qū)，隨著天氣系統(tǒng)的發(fā)展與移動，雨區(qū)連接成帶，這三個動力因子垂直積分量也連接成帶，且呈東北—西南走向分布，并向東南方向移動。

cvz*sum的大值帶位置較降水帶略偏東南，其強中心位置較強降水中心略偏東，由其定義式表明，它主要與大氣水平斜壓性有關，這可能是其與降水落區(qū)不完全重合的原因之一。但廣義對流渦度矢量垂直分量與降水云中水凝物的有較好對應關系，而云的發(fā)展往往要先于降水的發(fā)展，從而cvz*sum的大值帶位置偏東南及其強中心值位置偏東從某種程度上可能預示著降水在下一時刻的落區(qū)位置。在整個過程中divdensum強中心位置與強降水中心位置較吻合，divdensum可以較好地追蹤降水系統(tǒng)的發(fā)展與演變。在盆地的東部、四川南部地區(qū)以及重慶地區(qū)也有大片divdensum大值覆蓋區(qū)，但沒有相應的觀測降水與之對應，其原因有等進一步深入研究。divq*sum的極值中心與降水極值中心十分吻合，診斷效果較好。

圖2　同圖1，但為2010年8月18日18:00～19日00:00Fig. 2　Same as in Fig. 1 but for 1800 UTC 18 to 0000 UTC 19 August 2010

圖3　同圖1，但為2010年8月19日00:00～06:00Fig. 3　Same as in Fig. 1 but for 0000 UTC 19 to 0600 UTC 19 August 2010

垂直螺旋度helsum、質量垂直螺旋度heldensum、水汽垂直螺旋度helqvsum、熱力垂直螺旋度helthsum、濕熱力平流參數(shù)mtpsum、密度散度垂直通量wdendivsum、散度垂直通量wdivsum、熱力散度垂直通量wptedivsum、水汽散度垂直通量wqvdivsum這9個動力因子對暴雨落區(qū)的診斷效果相似（圖1c、d、e、f、g、h、i，圖2c、d、e、f、g、h、i，圖3c、d、e、f、g、h、i，其中熱力散度垂直通量wptedivsum、水汽散度垂直通量wqvdivsum的診斷效果與密度散度垂直通量wdendivsum極其相似，所以它們的圖略），它們隨模擬降水的時間演變趨勢比較一致，其強中心位置與地面降水極值有較好的吻合，并且在模擬降水大值區(qū)內這些動力因子參數(shù)表現(xiàn)為強信號，而在弱降水區(qū)或非雨區(qū)表現(xiàn)為弱信號。這些動力因子與強降水中心的良好相關性與它們的物理意義密切相關，例如濕熱力平流參數(shù)mtpsum綜合反映了平流渦度、等熵面及水汽梯度的作用,是與云的發(fā)展對應較好的參數(shù)（林青，2011），因此其異常的高值區(qū)與降水大值區(qū)域有較好的對應關系；又如散度垂直通量wdivsum可以很好地描述強降水區(qū)低層輻合、高層輻散的動力特征及垂直運動特點，因此對強降水落區(qū)具有很好指示意義。

總體的來看，這些12個動力因子與模擬 6 h累積地面降水量及降水過程的發(fā)展演變具有良好的對應關系，它們對此次降水過程均具有良好的指示意義，表明集合動力因子預報系統(tǒng)適用于此次降水模態(tài)分布的診斷分析。

4　動力因子與模擬降水的相關性分析

基于WRF模式高分辨率數(shù)值模擬輸出的逐時資料，通過作區(qū)域平均（見圖4a），作平均的區(qū)域為（30.3°N～31.4°N，102.8°E～103.5°E）進一步分析2010年8月18日12:00至19日12:00四川地區(qū)強降水期間動力因子與模式降水時間演變的相關性。

圖4b、c表明，區(qū)域降水均值（綠線）隨時間的變化呈雙峰特征，第一個小時降水峰值位于18 日21:00，小時降水量達9 mm。隨后區(qū)域降水均值強度隨時間緩慢減弱，在19日03:00達兩波峰間的極小值（6 mm h?1），第二個小時降水峰值位于19 日06:00，達8 mm h?1。從各個動力因子區(qū)域均值隨時間的變化曲線來看，雖然各動力因子的時間變化存在一定差異，與降水時間變化在細節(jié)上也有偏差，但從總體上來看，各動力因子的時間變化均表現(xiàn)出與降水時間變化相類似的雙峰特征。雖然廣義對流渦度矢量（cvz*sum）曲線與降水曲線偏差較大，但也能對雙峰型的時間變化特征給出較好地呈現(xiàn)。絕大多數(shù)動力因子均超前降水極大值1小時達到極大值，并且在雙峰之間達極小值的時間（19日03:00）也與降水時間變化完全一致。從表2中可以看出，上述方框區(qū)域內平均動力因子與區(qū)域平均模擬降水均具有較好的相關性，所有相關系數(shù)均大于0.6。廣義對流渦度矢量（cvz*sum）與降水相關系數(shù)最小，為0.63955，而垂直螺旋度hel的垂直積分量、質量垂直螺旋度helden的垂直積分量、水汽垂直螺旋度helqv的垂直積分量、熱力垂直螺旋度helth的垂直積分量、廣義Q矢量散度divq的垂直積分量與降水相關系數(shù)均超過0.9，究其原因，李琴等（2014）指出在陡峭地形附近的強降水中心上空濕度大，溫度高，有強上升運動及強渦度中心，從而導致強的螺旋度；從物理機制上講，螺旋度把旋轉性和上升運動這兩個特征耦合起來（李耀東等，2005；岳彩軍等，2011），可以有效地表征潛在不穩(wěn)定能量的釋放（冉令坤和楚艷麗，2009），質量螺旋度在螺旋度中耦合并入了暴雨過程的高濕及氣旋性環(huán)流特征，反映了水汽的垂直輸送效應，同時也體現(xiàn)了低渦對暖濕氣流的抽吸作用。水汽（垂直）螺旋度，熱力（垂直）螺旋度，表示水汽（通量）渦度、熱力渦度垂直向上/向下輸送狀況（楊帥等，2013.），廣義Q矢量散度能比較清楚地揭示垂直運動場的演變及其與降水系統(tǒng)的聯(lián)系（岳彩軍和壽紹文，2002），因此這幾個動力因子與此次暴雨系統(tǒng)的關系更為密切和直接。因此，文章所選動力因子與降水均具有良好的相關性，特別是廣義Q矢量散度和與螺旋度有關的動力因子，可用于這一地區(qū)類似降水過程的降水預報研究。

表2　圖4a方框區(qū)域內各個動力因子與降水的相關系數(shù)Table 2　The correlation coefficients between dynamic parameters and regional rainfall in the Fig. 4a square area

圖4?。╝）2010年8月18日12:00至19日12:00模擬的24小時累積地面降水量（等值線，單位：mm；填色為地形數(shù)據(jù)，單位：km），紅色方框所示區(qū)域為文中作區(qū)域平均的區(qū)域（30.3°N～31.4°N，102.8°E～103.5°E）。（b、c）方框區(qū)域降水量均值（單位：mm h?1）及各個動力因子質量權重垂直積分量(廣義對流渦度矢量垂直分量（cvz*sum*2，單位：K s?1）；質量散度（divdensum，單位：102kg3m?7s?3）；垂直螺旋度（helsum，單位：103kg2m?2s?6）；質量垂直螺旋度（heldensum/5，單位：102kg4m?8s?6）；水汽垂直螺旋度（helqvsum，單位：10 kg2m?2s?6）；熱力垂直螺旋度（helthsum/3，單位：105K kg3m?5s?6）；濕熱力平流參數(shù)（mtpsum*5，單位：10?3K2kg2m?6s?3）；密度散度垂直通量（wdivsum，單位：103kg2m?2s?6）；散度垂直通量（wdendivsum/3，單位：102kg4m?8s?6）；水汽散度通量（wqvdivsum，單位 kg2m?2s?6）；熱力散度垂直通量（wptedivsum/1.5，單位：105kg3Km?5s?6）；廣義Q矢量散度（divq*sum*2.5，單位：10?7kg m?3s?3）均值隨時間的變化曲線Fig. 4　(a) Simulated 24-hour accumulative precipitation (contours, units: mm; shaded: terrain data, units: km) from 1200 UTC 18 to 1200 UTC 19 August 2010. The red square is the regional average area. (b, c) Time series of regional average rainfall (units: mm h?1) and regional average quality weighted vertical integration of dynamic parameters (vertical component of generalized convective vorticity vector (cvz*sum, units: 10?1K s?1); mass divergence (divdensum, units: 102kg3m?7s?3); vertical helicity (helsum, units: 103kg2m?2s?6); mass vertical helicity (heldensum, units: 103kg4m?8s?6); moisture vertical helicity (helqvsum, units: 10 kg2m?2s?6); thermal vertical helicity (helthsum, units: 105K kg3m?5s?6); moist thermodynamic advection parameter (mtpsum, units: 10?4K2kg2m?6s?3); mass divergence flux (wdivsum, units: 103kg2m?2s?6); divergence vertical flux (wdendivsum, units: 102kg4m?8s?6); moisture divergence flux (wqvdivsum，units: kg2m?2s?6); thermal vertical divergence flux (wptedivsum/1.5，units:105kg3Km?5s?6); generalized Q vector divergence (divq*, units: 10?7kgm?3s?3)

圖5 2010年8月18日12:00～18:00 實測6 h累積降水量（陰影）與GFS資料預報場平均動力因子垂直積分量（等值線）：（a）廣義對流渦度矢量垂直分量（cvz*sum，單位：102K s?1）；（b）質量散度（divdensum，單位：102kg3m?7s?3）；（c）垂直螺旋度（helsum，單位：102kg2m?2s?6），（d）質量垂直螺旋度（heldensum，單位：103kg4m?8s?6）；（e）水汽垂直螺旋度（helqvsum，單位：10?1kg2m?2s?6）；（f）熱力垂直螺旋度（helthsum，單位：104K kg3m?5s?6）；（g）濕熱力平流參數(shù)（mtpsum，單位：10?6K2kg2m?6s?3）；（h）散度垂直通量（wdendivsum，單位：10 kg4m?8s?6）；（i）密度散度垂直通量（wdivsum，單位：10 kgm?2s?6）；（j）廣義Q矢量散度（divq*sum，單位：10?9kg m?3s?3）Fig. 5　The 6-hour observed rainfall (shaded, units: mm) and average dynamic parameter vertical integration (contours) at 1200 UTC 18 and 1800 UTC 19 August 2010: (a) Generalized vertical convective vorticity vector (cvz*sum, units: 102K s?1); (b) mass divergence (divdensum, units: 102kg3m?7s?3); (c) vertical helicity (helsum, units: 102kg2m?2s?6); (d) mass vertical helicity (heldensum, units: 103kg4m?8s?6); (e) moisture vertical helicity (helqvsum, units: 10?1kg2m?2s?6); (f) thermal vertical helicity (helthsum, units: 104K kg3m?5s?6); (g) moist thermodynamic advection parameter (mtpsum, units: 10?6K2kg2m?6s?3); (h) divergence vertical (wdivsum, units: 10 kg4m?8s?6); (i) mess divergence (wdendivsum, units: 10 kg2m?2s?6); (j) generalized Q vector divergence (divq*sum, units: 10?9kg m?3s?3)

5　暴雨落區(qū)的動力學預報分析

前面的分析已經(jīng)表明上述集合動力因子預報系統(tǒng)及其成員與降水具有很好的相關性，那么這些動力因子對實際降水的預報能力如何呢？雖然上部分已經(jīng)選出了最優(yōu)成員，但本小節(jié)仍然計算12個成員來對比檢驗其預報效果。本節(jié)下面選用2010 年8月18日至19日美國NCEP/NCAR GFS 6 h和 12 h的預報場資料（水平分辨率為0.5°×0.5°）計算上述12個動力因子，進而給出動力因子對降水的預報效果，分析上述12個動力因子對2010年8 月18日12:00至19日12:00四川地區(qū)強降水過程的預報指示意義。由于觀測的6 h 降水是累積量，而動力因子是瞬時量，因此在圖5、圖6和圖7中所示動力因子均為累積降水初始與結束時刻的均值。2010年8月18日12:00～18:00（圖5，由于熱力散度垂直通量wptedivsum、水汽散度通量wqvdivsum的預報效果與密度散度垂直通量wdendivsum極其相似，所以它們的圖略，下同），盆地內的降水主要呈現(xiàn)團狀分布，在盆地西北側的高原上有零星降水區(qū)，最強降水出現(xiàn)在四川中部陡峭地形附近地區(qū)，存在兩個明顯極值中心，北面極值降水中心強度達125 mm以上，南面極值中心達25 mm以上。從利用GFS預報場資料計算的各動力因子的垂直積分量分布可以看出，各動力因子均能較好地預報（指示）出發(fā)生在四川中部地區(qū)的強降水過程，在強降水落區(qū)上空，覆蓋著明顯的動力因子強擾動區(qū)，說明所有上述12個動力因子對這6 h降水落區(qū)均可以給出較好地預報。同時可以看出，所有動力因子均沒有很好地分辨出四川中部的兩個強降水中心，這可能與GFS模式預報場的水平分辨率（0.5°×0.5°）較粗有關；另外，應注意到，位于四川西北側，高原地形上的4個較弱降水極值中心在大多數(shù)動力因子預報中均沒有得到很好地體現(xiàn)，這可能由于這一地區(qū)位于高原之上，模式對地形效應的處理能力，高原上觀測稀缺以及觀測資料的可能誤差有關；從圖5還可以看出，所有動力因子擾動分布基本均集中于四川中西部，部分動力因子在四川南部，東南部存在較強極值中心，而觀測降水在上述地區(qū)并未出現(xiàn)明顯降水中心，其原因有待進一步分析。

圖5?。ɡm(xù)）Fig. 5　(Continued)

18日18:00至19日00:00降水明顯發(fā)展加強（圖6），在四川盆地西部陡峭地形附近（汶川—雅安斷裂帶陡峭地形附近）沿陡峭地形呈帶狀分布，其上分布的若干強降水中心，其中（31.5°N，104°E）附近降水中心最強，達125 mm以上。此外，在（30.4°N，103°E）附近、（32°N，104.5°E）附近以及（32.5°N，105°E）附近還存在另外三個較強降水中心，其中以（30.4°N，103°E）附近的降水中心面積最大。從所有12個動力因子的預報效果來看，所有動力因子均對尺度最大的一個降水中心（30.4°N，103°E）具有較好的預報指示意義，大多數(shù)動力因子對東北—西南走向雨帶北側的其它強降水中心預報效果較差，其原因可能為：（1）GFS預報場水平分辨率（0.5°×0.5°）降低；（2）這里的分析利用6 h和12 h預報場兩個時刻的動力因子相加的平均值來表示6 h的平均值，并且與6 h累積降水作比較，這種算法可能造成一定偏差；（3）GFS系統(tǒng)對四川復雜地形地區(qū)短時強降水過程的預報能力有限。

圖6　同圖5，但為2010年8月18日18:00至19日00:00Fig. 6　Same as in Fig. 5 but for 1800 UTC 18 and 0000 UTC 19 August 2010

圖7　同圖5，但為2010年8月19日00:00～06:00Fig. 7　Same as in Fig. 5, but for 0000 UTC 19 and 0600 UTC 19 August 2010

8月19日00:00～06:00（圖7），降水帶整體上略有減弱，并且降水帶南部有偏東北—西南向轉為偏東—西向分布。降水帶上仍存在幾個明顯的強降水中心，分別位于（29.8°N，102.9°E）、（30.2°N，103.7°E）、（31.4°N，104.1°E）、（31.9°N，104.4°E）附近。此時段各動力因子對降水帶分布給出了較好地預報，尤其是對降水帶南部的雨帶分布特征有較好的刻畫。19日06:00～12:00（圖略），各動力因子對降水也給出了較好的預報效果。

綜上所述，這些動力因子對此次強降水過程降水系統(tǒng)的發(fā)展與演變均具有一定的預報能力。

6　結論與討論

本文首先利用高分辨率數(shù)值模擬資料對集合動力因子預報系統(tǒng)中的廣義對流渦度矢量垂直分量（cvz*）、質量散度（divden）、垂直螺旋度（hel）、質量垂直螺旋度（helden）、水汽垂直螺旋度（helqv）、熱力垂直螺旋度（helth）、濕熱力平流參數(shù)（mtp）、密度散度垂直通量（wdendiv）、散度垂直通量（wdiv）、熱力散度垂直通量（wptedive）、水汽散度通量（wqvdiv）、廣義Q矢量散度（divq*）等12個動力因子的降水診斷意義進行分析，進一步利用逐時高分辨率數(shù)值模擬結果計算動力因子時間演變與地面降水時間演變的相關性，分析了動力因子與降水之間的密切聯(lián)系，最后用美國GFS 6 h和12 h的預報場資料計算各動力因子，給出降水過程預報，并與實際降水進行對比，探討了動力因子對降水的預報指示意義，主要結論如下：

（1）集合動力因子預報系統(tǒng)中的動力因子大值區(qū)與地面降水落區(qū)具有相當高的一致性, 它們對此次降水落區(qū)診斷效果良好。

（2）各動力因子區(qū)域均值隨時間的變化曲線都能表現(xiàn)出降水區(qū)域均值隨時間變化曲線雙峰形態(tài)；所有相關系數(shù)均超過0.6，其中，廣義Q矢量散度、水汽垂直螺旋度、熱力垂直螺旋度、質量垂直螺旋度、垂直螺旋度與降水的相關系數(shù)較大（達0.9以上），對此次降水的診斷效果較好。

（3）利用GFS預報場資料開展的預報意義研究發(fā)現(xiàn)，這些動力因子對觀測降水具有一定的預報能力，但由于GFS環(huán)流預報場的準確率以及預報資料時空分辨率等原因,動力因子對此次降水過程某些方面預報效果仍存在一定的差距。

實際預報經(jīng)驗表明，對于不同的暴雨過程,某一個物理量因子場的分布特征和強度都存在著明顯的差異（蔡義勇，2006），各種動力因子表達了大氣環(huán)流的不同方面，對暴雨過程的指示作用也略有不同，因此，我們需要利用更多四川盆地西部型暴雨個例來開展動力因子更細致的預報及指示意義研究工作。

（References）

白愛娟, 劉曉東, 劉長海. 2011. 青藏高原與四川盆地夏季降水日變化的對比分析 [J]. 高原氣象, 30 (4): 852–859.Bai Aijuan, Liu Xiaodong, Liu Changhai. 2011. Contrast of diurnal variations of summer precipitation between the Tibetan Plateau and Sichuan Basin [J]. Plateau Meteor. (in Chinese), 30 (4): 852–859.

蔡義勇, 劉愛鳴, 陳雪欽, 等. 2006. 福建省熱帶氣旋暴雨落區(qū)完全預報方法 [J]. 氣象科技, 34 (2): 132–137.Cai Yiyong, Liu Aiming, Chen Xueqin, et al. 2006. Perfect prediction method of rainstorms induced by tropical cyclones over Fujian Province [J]. Meteor. Sci. Technol. (in Chinese), 34 (2): 132–137, doi:10.3969/j.issn.1671-6345.2006.02.003.

陳棟, 顧雷, 蔣興文. 2010. 1981～2000年四川夏季暴雨大尺度環(huán)流背景特征 [J]. 大氣科學學報, 33 (4): 443–450.Chen Dong, Gu Lei, Jiang Xingwen. 2010. Characteristics of large-scale circulation background of summer heavy rainfall in Sichuan during 1981–2000 [J]. Trans Atmos. Sci. (in Chinese), 33 (4): 443–450, doi:10.3969/j.issn.1674-7097.2010. 04.008.

高守亭, 冉令坤, 李娜, 等. 2013. 集合動力因子暴雨預報方法研究 [J].暴雨災害, 32 (4): 289–302.Gao Shouting, Ran Lingkun, Li Na, et al. 2013. The “Ensemble Dynamic Factors” approach to predict rainstorm [J]. Torrential Rain and Disasters (in Chinese), 32 (4): 289–302, doi:10.3969/ j.issn.1004-9045.2013.04.001.

Gao S T, Li X F, Tao W K, et al. 2007. Convective and moist vorticity vectors associated with tropical oceanic convection: A three-dimensional cloud-resolving model simulation [J]. J. Geophys. Res., 112: D01105, doi:10.1029/2006JD00717. Gao S T, Ping F, Li X F, et al. 2004. A convective vorticity vector associated with tropical convection: A two-dimensional cloud-resolving modeling study [J]. J. Geophys. Res., 109: D14106, doi:10.1029/ 2004JD004807.

葛晶晶, 鐘瑋, 杜楠, 等. 2008. 地形影響下四川暴雨的數(shù)值模擬分析[J]. 氣象科學, 28 (2): 176–183.Ge Jingjing, Zhong Wei, Du Nan, et al. 2008. Numerical simulation and analysis of Sichuan rainstorm under terrain influence [J]. Scientia Meteor. Sinica (in Chinese), 28 (2): 176–183, doi:10.3969/j.issn.1009-0827.2008.02.009.

胡德強, 陸日宇, 蘇秦, 等. 2014. 盛夏四川盆地西部地區(qū)降水年際變化及其對應的環(huán)流異常 [J]. 大氣科學, 38 (1): 13–20.Hu Deqiang, Lu Riyu, Su Qin, et al. 2014. Interannual variation in the mid-summer rainfall over the western Sichuan Basin and the associated circulation anomalies [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (1): 13–20, doi:10.3878/j.issn.1006-9895.2013.12192.

蔣興文, 王鑫, 李躍清, 等. 2008. 近20年四川盆地大暴雨發(fā)生的大尺度環(huán)流背景 [J]. 長江流域資源與環(huán)境, 17 (Z1): 132–137.Jiang Xinwen, Wang Xin, Li Yueqing, et al. 2008. Large-scale general circulation characteristics of heavy rain of Sichuan Basin at latest twenty years [J]. Resources and Environment in the Yangtze Basin (in Chinese), 17 (Z1): 132–137, doi:10.3969/j.issn.1004-8227.2008.z1.024.

李琴, 崔曉鵬, 曹潔. 2014. 四川地區(qū)一次暴雨過程的觀測分析與數(shù)值模擬 [J]. 大氣科學, 38 (6): 1095?1108.Li Qin, Cui Xiaopeng, Cao Jie. 2014. Observational analysis and numerical simulation of a heavy rainfall event in Sichuan Province [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (6): 1095?1108, doi:10.3878/j.issn.1006-9895. 1401.13255.

李耀東, 劉健文, 高守亭. 2005. 螺旋度在對流天氣預報中的應用研究進展 [J]. 氣象科技, 33 (1): 7–11.Li Yaodong, Liu Jianwen, Gao Shouting. 2005. Progress in researches on application of helicity to convective weather prediction [J]. Meteor. Sci. Technol. (in Chinese), 33 (1): 7–11, doi:10.3969/j.issn.1671-6345.2005.01.002.

林青. 2011. 臺風莫拉克的動力診斷分析與數(shù)值模擬 [D]. 南京信息工程大學碩士學位論文.Lin Qing. 2011. The dynamical diagnosis and numerical study of typhoon Morakot (0908) [D]. M. S. thesis (in Chinese), Nanjing University of Information Science and Technology.

盧萍, 宇如聰, 周天軍. 2008. 2003年8月“巴蜀夜雨”過程的模擬和分析研究 [J]. 氣象學報, 66 (3): 371–380.Lu Ping, Yu Rucong, Zhou Tianjun. 2008. Numerical simulation of the mid-night rainfall over Sichuan Basin during August 2003 [J]. Acta Meteorologica Sinica (in Chinese), 66(3): 371–380, doi:10.11676/qxxb2008.035.

盧萍, 宇如聰, 周天軍. 2009. 四川盆地西部暴雨對初始水汽條件敏感性的模擬研究 [J]. 大氣科學, 33 (2): 241–250.Lu Ping, Yu Rucong, Zhou Tianjun. 2009. Numerical simulation on the sensitivity of heavy rainfall over the western Sichuan Basin to initial water vapor condition [J]. Chinese Journal of Atmospheric Sciences(in Chinese), 33 (2): 241–250, doi:10.3878/j.issn.1006-9895.2009.02.04.

駱凱, 李耀東, 秦麗. 2010. 一次華北暴雨過程的數(shù)值模擬及水汽螺旋度和水汽渦度收支應用分析 [J]. 氣象與減災研究, 33 (2): 35–42. Luo Kai, Li Yaodong, Qin Li. 2010. Numerical simulation and application of moisture helicity and moisture vorticity budget on a rainstorm process over North China [J]. Meteorology and Disaster Reduction Research (in Chinese), 33 (2): 35–42, doi:10.3969/j.issn.1007-9033.2010.02.005.

馬力, 馮漢中, 楊進, 等. 2013．四川天氣預報手冊 [M]. 成都：西南交通大學出版社, 70pp. Ma Li, Feng Hanzhong, Yang Jin, et al. 2013. The manual of the weather forecast in Sichuan Province [M]. Chengdu: Southwest Jiaotong University Press, 70pp.

牛立強, 陳長勝, 馬洪波. 2013. 集合動力因子預報系統(tǒng)及其對一場切變暴雨落區(qū)的預報檢驗 [J]. 吉林氣象, (3): 12–16, 29. Niu Liqiang, Chen Changsheng, Ma Hongbo. 2013. Multi-dynamical parameters system and its forecast verification to a shear torrential rain areas [J]. Jilin Weather (in Chinese), (3): 12–16, 29.

冉令坤, 楚艷麗. 2009. 強降水過程中垂直螺旋度和散度通量及其拓展形式的診斷分析 [J]. 物理學報, 58 (11): 8094–8106.Ran Lingkun, Chu Yanli. 2009. Diagnosis of vertical helicity, divergence flux and their extensions in heavy-rainfall events [J]. Acta Physica Sinica, 58 (11): 8094–8106, doi:10.7498/aps.58.8094.

冉令坤, 齊彥斌, 郝壽昌. 2014. “7.21”暴雨過程動力因子分析和預報研究 [J]. 大氣科學, 38 (1): 83–100.Ran Lingkun, Qi Yanbin, Hao Shouchang. 2014. Analysis and forecasting of heavy rainfall case on 21 July 2012 with dynamical parameters [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (1): 83–100, doi:10.3878/j.issn.1006-9895.2013. 12160.

沈沛豐, 張耀存. 2011. 四川盆地夏季降水日變化的數(shù)值模擬 [J]. 高原氣象, 30 (4): 860–868.Shen Peifeng, Zhang Yaocun. 2011. Numerical simulation of diurnal variation of summer precipitation in Sichuan Basin [J]. Plateau Meteor. (in Chinese), 30(4): 860–868.

盛春巖, 高守亭, 史玉光. 2012. 地形對門頭溝一次大暴雨動力作用的數(shù)值研究 [J]. 氣象學報, 70 (1): 65–77.Sheng Chunyan, Gao Shouting, Shi Yuguang. 2012. Numerical simulation of the dynamic effect of the orography on a Mentougou severe torrential rain event [J]. Acta Meteorologica Sinica (in Chinese), 70 (1): 65–77, doi:10.11676/ qxxb2012.006.

王黎娟, 任晨平, 崔曉鵬, 等. 2013. “碧利斯”暴雨增幅高分辨率數(shù)值模擬及診斷分析 [J]. 大氣科學學報, 36 (2): 147–157.Wang Lijuan, Ren Chenping, Cui Xiaopeng, et al. 2013. High-resolution numerical simulation and diagnostic analysis of rainfall amplification of Bilis (0604) [J]. Trans. Atmos. Sci. (in Chinese), 36 (2): 147–157, doi:10.3969/j.issn. 1674-7097.2013.02.003.

許孌, 何金海, 高守亭, 等. 2013. 集合動力因子對登陸臺風“莫拉克”(0908)暴雨落區(qū)的診斷與預報研究 [J]. 大氣科學, 37 (1): 23–35.Xu Luan, He Jinhai, Gao Shouting, et al. 2013. Diagnostic and predictive studies of torrential rain location associated with land falling typhoon Morakot (0908) using multi-dynamical parameters [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (1): 23–35, doi:10.3878/j.issn. 1006-9895.2012.11156.

徐裕華, 王宗德, 王明. 1991. 西南氣候 [M]. 北京: 氣象出版社, 298pp. Xu Yuhua, Wang Zongde, Wang Ming. 1991. Climate of Southwest China (in Chinese) [M]. Beijing: China Meteorological Press, 298pp.

薛羽君, 白愛娟, 李典. 2012. 四川盆地降水日變化特征分析和個例模擬 [J]. 地球科學進展, 27 (8): 885–894.Xue Yujun, Bai Aijuan, Li Dian. 2012. Analysis and numerical simulation of diurnal variation of precipitation in Sichuan Basin [J]. Adv. Earth Sci. (in Chinese), 27 (8): 885–894, doi:10.11867/j.issn.1001-8166.2012.08.0885.

楊帥, 陳斌, 高守亭. 2013. 水汽螺旋度和熱力螺旋度在華北強 “桑拿天” 過程中的分析及應用 [J]. 地球物理學報, 56 (7): 2185–2194. Yang Shuai, Chen Bin, Gao Shouting. 2013. Diagnostic analyses and applications of the moisture helicity and the thermal helicity for two strong “sauna” weather processes in northern China [J]. Chinese J. Geophys. (in Chinese), 56 (7): 2185–2194, doi:10.6038/cjg20130706.

Yang S, Wang D H. 2009. Diagnostic analyses of the modified convective vorticity vector in non-uniformly saturated moist flow [J]. Atmospheric and Oceanic Science Letters, 2 (3): 142–147.

Yang S, Gao S T, Wang D H. 2007. Diagnostic analyses of the ageostrophic Q vector in the non-uniformly saturated, frictionless, and moist adiabatic flow [J]. J. Geophys. Res., 112, doi:10.1029/ 2006JD008142.

Yang S, Gao S T, Lu C G. 2014. A generalized frontogenesis function and its application [J]. Adv. Atmos. Sci., 31 (5), 1065–1078, doi:10.1007/ s00376-014-3228-y.

郁淑華. 1984. 四川盆地大范圍強暴雨過程的合成分析 [J]. 高原氣象, 3(3): 58–67.Yu Shuhua. 1984. Resultant analysis of large-scale heavy-rain storm over Sichuan Basin [J]. Plateau Meteor. (in Chinese), 3 (3): 58–67.

郁淑華. 1986. 四川盆地大范圍強暴雨的合成分析——(二) 溫濕場和層結穩(wěn)定度 [J]. 高原氣象, 5 (1): 62–70.Yu Shuhua. 1986. The compositive analysis of broad heavy rain storms over Sichuan Basin. PartⅡ : The fields of temperature, humidities and unstable stratifications [J]. Plateau Meteor. (in Chinese), 5 (1): 62–70.

郁淑華, 滕家謨, 何光碧. 1998. 高原地形對四川盆地西部突發(fā)性暴雨影響的數(shù)值試驗 [J]. 大氣科學, 22 (3): 379–383.Yu Shuhua, Teng Jiamo, He Guangbi. 1988. The numerical experiment of plateau terrain influencing for a suddenly arising torrential rain in the west of Sichuan Basin [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 22 (3): 379–383, doi:10.3878/j.issn.1006-9895.1998.03.14.

岳彩軍, 壽紹文. 2002. 濕Q矢量散度場與ω場的比較 [J]. 南京氣象學院學報, 25(3): 420–424. Yue Caijun, Shou Shaowen. 2002. Comparsion of wet Q vector divergence with ω field [J]. Journal of Nanjing Institute of Meteorology (in Chinese), 25 (3): 420–424, doi:10.3969/j.issn. 1674-7097.2002.03.019.

岳彩軍, 郭煜, 壽紹文, 等. 2011. 螺旋度在我國多種災害性天氣研究中的應用進展 [J]. 暴雨災害, 30 (2): 107–116.Yue Caijun, Guo Yu, Shou Shaowen, et al. 2011. Progress in application study of helicity to severe weathers [J]. Torrential Rain and Disasters (in Chinese), 30(2): 107–116, doi:10.3969/j.issn.1004-9045.2011.02.002.

趙宇, 高守亭. 2008. 對流渦度矢量在暴雨診斷分析中的應用研究 [J].大氣科學, 32 (3): 444–456.Zhao Yu, Gao Shouting. 2008. Application of the convective vorticity vector to the analysis of a rainstorm [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (3): 444–456, doi:10.3878/j.issn.1006-9895.2008.03.03.

趙玉春, 王葉紅. 2010. 高原渦誘生西南渦特大暴雨成因的個例研究 [J].高原氣象, 29 (4): 819–831.Zhao Yuchun, Wang Yehong. 2010. A case study on plateau vortex inducing southwest vortex and producing extremely heavy rain [J]. Plateau Meteor. (in Chinese), 29 (4): 819–831.

趙玉春, 許小峰, 崔春光. 2012. 川西高原東坡地形對流暴雨的研究 [J].氣候與環(huán)境研究, 17 (5): 607–616.Zhao Yuchun, Xu Xiaofeng, Cui Chunguang. 2012. A study of convective rainstorms along the east slope of western Sichuan Plateau [J]. Climatic and Environmental Research (in Chinese), 17 (5): 607–616, doi:10.3878/j.issn.1006-9585.2011.11056.

周長艷, 岑思弦, 李躍清, 等. 2011. 四川省近50年降水的變化特征及影響 [J]. 地理學報, 66 (5): 619–630.Zhou Changyan, Cen Sixuan, Li Yueqing, et al. 2011. Precipitation variation and its impacts in Sichuan in the last 50 years [J]. Acta Geographica Sinica (in Chinese), 66 (5): 619–630, doi:10.11821/xb201105005.

周冠博, 崔曉鵬, 高守亭. 2012. 臺風“鳳凰”登陸過程的高分辨率數(shù)值模擬及其降水的診斷分析 [J]. 大氣科學, 36 (1): 23–34.Zhou Guanbo, Cui Xiaopeng, Gao Shouting. 2012. The high-resolution numerical simulation and diagnostic analysis of the landfall process of typhoon Fungwong [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (1): 23–34, doi:10.3878/j.issn.1006-9895.2012.01.03.

朱剛. 2012. 2009年5月一次山東暴雨的數(shù)值模擬研究 [D]. 南京信息工程大學碩士學位論文.Zhu Gang. 2012. The numerical study of the rainstorm occurred in Shandong Province in May 2009 [D]. M. S. thesis (in Chinese), Nanjing University of Information Science & Technology.

朱艷峰, 宇如聰. 2003. 川西地區(qū)夏季降水的年際變化特征及與大尺度環(huán)流的聯(lián)系 [J]. 大氣科學, 27 (6): 1045–1056.Zhu Yanfeng, Yu Rucong. 2003. Interannual variation of summer precipitation in the west of Sichuan Basin and its relationship with large-scale circulation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 27 (6): 1045–1056, doi:10.3878/j. issn.1006-9895.2003.06.08.

Diagnosis and Forecasting of Dynamical Parameters for a Heavy Rainfall Event in Sichuan Province

LI Qin1, 2, YANG Shuai1, CUI Xiaopeng1, 3, and RAN Lingkun1
1 Laboratory of Cloud–Precipitation Physics and Severe Storms, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
2 University of Chinese Academy of Sciences, Beijing 100049
3 Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044

A torrential rain event with severe secondary disasters (e.g., debris flow) occurred in the western Sichuan Basin during 18–19 August 2010. Based on numerical simulation data and 0.5°×0.5°four-times-daily reanalysis data from the NCEP’s Global Forecast System products, combined with dynamic parameters including the generalized vertical convective vorticity vector (cvz*), mass divergence (divden), vertical helicity (hel), mass vertical helicity (helden), moisture vertical helicity (helqv), thermal vertical helicity (helth), moist thermodynamic advection parameter (mtp), mass divergence flux (wdiv), divergence flux (wdendiv), thermal vertical divergence flux (wptediv), moisture divergence flux (wqvdiv), generalized Q vector divergence (divq*), a diagnostic analysis and forecasting study of this torrential rain eventwere carried out. The results showed that: (1) all twelve dynamical parameters showed strong signals in the torrential rainfall area. (2) The curves of the temporal trends of regional average dynamic parameters and the mean regional rainfall were similar, showing a twin-peak structure. The time series' correlation coefficients of the mean regional rainfall and the regional average values of generalized Q vector divergence, moisture vertical helicity (helqv), thermal vertical helicity (helth), mass vertical helicity (helden) and vertical helicity (hel) were greater than 0.9. (3) The dynamic parameters considered in this study are of considerable importance in the diagnosis and prediction of torrential rain in this region.

Sichuan basin, Rainstorm, Dynamic parameters, Diagnosis, Prediction

中國科學院重點部署項目KZZD-EW-05-01

四川暴雨動力因子診斷與預報

1006-9895(2016)02-0341-17 中國分類號P434+.5 P458.3

A

10.3878/j.issn.1006-9895.1507.14296

2014-10-17；網(wǎng)絡預出版日期 2015-07-09

李琴，女，1988年出生，博士研究生，主要從事暴雨過程數(shù)值模擬與診斷研究。E-mail: liqin@mail.iap.ac.cn

崔曉鵬，E-mail: xpcui@mail.iap.ac.cn