貴州冬季凝凍特征及環(huán)流分型研究*

黃晨然，白 慧，楊 娟

(貴州省氣候中心，貴州 貴陽 550002)

貴州冬季凝凍特征及環(huán)流分型研究*

黃晨然，白 慧，楊 娟

(貴州省氣候中心，貴州 貴陽 550002)

利用1983—2013年12月—次年2月貴州省84站凝凍過程觀測資料和NCEP/NCAR逐日再分析資料，采用EOF、聚類分析、Lamb-Jenkinson環(huán)流分型等方法，分析了貴州省冬季凝凍過程的空間分布特征和冬季環(huán)流分型。結(jié)果表明：貴州省中部一線的區(qū)域凝凍發(fā)生頻率最高，安順西部至黔南州西南部區(qū)域凝凍持續(xù)時間最長，貴州北部及東南部部分地區(qū)凝凍發(fā)生頻率較低且持續(xù)時間短，因此受災(zāi)程度最輕。全省各站冬季凝凍日數(shù)一致偏多或偏少的情況所占比例接近80%。以貴州冬季凝凍過程中凝凍日數(shù)為研究對象，可劃分為4類，即特重凝凍區(qū)、重凝凍區(qū)、中凝凍區(qū)和輕凝凍區(qū)。Lamb-Jenkinson環(huán)流分型方法適用于貴州區(qū)域，在貴州冬季凝凍過程中W型環(huán)流占98.1%。12—次年2月各月W型環(huán)流所占百分率依次為92.7%、95.5%和95.0%，Lamb-Jenkinson環(huán)流分型結(jié)果可以更準(zhǔn)確地體現(xiàn)貴州區(qū)域冬季各類環(huán)流的型態(tài)特征。

凝凍過程；聚類分析；環(huán)流分型

1 引言

貴州地處云貴高原東北側(cè)，冬季北方冷空氣頻繁南下，冷空氣受高原大地形的阻擋，在西南地區(qū)形成靜止鋒并且長期盤旋，配合來自孟加拉灣暖濕氣流源源不斷地輸送水汽，導(dǎo)致貴州出現(xiàn)凝凍天氣。由于特殊的地理位置和地形特征，貴州幾乎年年有凝凍。凝凍導(dǎo)致電網(wǎng)癱瘓、鐵路停運、公路封堵、機場關(guān)閉、通訊不暢、停電斷水、工業(yè)停產(chǎn)、農(nóng)林業(yè)受損，是貴州最常見的氣象災(zāi)害之一。冬季凝凍災(zāi)害發(fā)生日數(shù)和嚴(yán)重程度是與大氣環(huán)流相聯(lián)系的。許丹等[1]研究指出貴州省凝凍的嚴(yán)重程度與亞歐地區(qū)位勢高度場分布密切相關(guān)。杜小玲等[2]分析了貴州省12次阻塞環(huán)流背景下強凍雨過程，結(jié)果表明強凍雨天氣與亞洲中高緯度阻塞環(huán)流和中低緯度南支鋒區(qū)密切聯(lián)系。白慧等[3]對近30 a影響貴州冬季凍雨日數(shù)的大尺度環(huán)流的研究表明，貴州冬季凍雨日數(shù)偏多(少)年，大氣環(huán)流異常呈現(xiàn)出強(弱)東亞冬季風(fēng)環(huán)流特征。馬寧等[4]的研究表明，赤道東印度洋MJO對流異?；钴S配合近地面持續(xù)冷空氣導(dǎo)致南方大范圍的低溫冰凍雨雪災(zāi)害。

通過對大氣環(huán)流進(jìn)行分型，有利于了解各類環(huán)流型對區(qū)域天氣氣候的影響。早期Lamb[5]依據(jù)經(jīng)驗開始對歐洲大氣環(huán)流狀況進(jìn)行主觀分型。朱志英等[6]通過主觀分型將5—9月氣旋產(chǎn)生的500 hPa環(huán)流型分為3大類：長波類、短波類和阻塞類。王林等[7]對我國南方36個冰凍雨雪天氣個例的環(huán)流形勢做了分析，總結(jié)出發(fā)生冰凍雨雪天氣的4種天氣類型：北脊南槽型、烏山脊型、橫槽南支型和高緯低渦型。Bardossy等[8]研究發(fā)現(xiàn)，一些環(huán)流類型出現(xiàn)的頻率發(fā)生明顯變化，會導(dǎo)致更極端的天氣氣候事件出現(xiàn)。20世紀(jì)70年代Jenkinson[9]在Lamb的基礎(chǔ)上定義了指數(shù)和標(biāo)準(zhǔn)，將主觀方法和客觀方法相結(jié)合，形成了Lamb-Jenkinson大氣環(huán)流分型法。朱艷峰等[10]討論了Lamb-Jenkinson(L-J)大氣環(huán)流分型方法在中國的適用性，并建立了一套完整的序列進(jìn)行氣候變化研究和氣候預(yù)測應(yīng)用。但該方法研究尺度和判定標(biāo)準(zhǔn)在貴州是否適用還有待探討。目前在用的大尺度環(huán)流指數(shù)對省級區(qū)域環(huán)流的分型能力不夠，近年的研究也多是關(guān)于我國大氣污染天氣分型[11-12]或暴雨天氣分型[13-14]等方面，對冬季凝凍過程的大氣環(huán)流分型研究甚少。從氣候變化研究及短期氣候預(yù)測角度來看，需要開展針對貴州省的冬季大氣環(huán)流客觀分型分析。

本文利用貴州省84個站點凝凍日觀測資料和NCEP/NCAR再分析資料，研究貴州省冬季凝凍過程空間分布及區(qū)劃，采用Lamb-Jenkinson大氣環(huán)流分型方法對貴州省上空500 hPa位勢高度場進(jìn)行環(huán)流分型，討論該方法在貴州省級區(qū)域的適用性，得到影響貴州冬季凝凍過程的大氣環(huán)流分型結(jié)果，為建立大尺度環(huán)流模式產(chǎn)品對冬季凝凍過程的降尺度預(yù)測提供支撐。

2 資料和方法

2.1 資料

①站點資料：貴州省84個站點凝凍日觀測資料。

②格點資料：NCEP/NCAR再分析資料中的逐日海平面氣壓和500 hPa位勢高度資料，空間分辨率均為2.5°×2.5°。

上述站點數(shù)據(jù)和格點數(shù)據(jù)的時間范圍統(tǒng)一為1983—2013年12月—次年2月。

2.2 方法

2.2.1 聚類分析 聚類分析[15]是研究樣本或變量指標(biāo)分類問題的一種多元統(tǒng)計分析方法。本文將貴州省84站的冬季凝凍過程中凝凍日數(shù)作為研究對象，通過系統(tǒng)聚類分析方法[16](Q型聚類：對擁有多種屬性指標(biāo)的不同樣本對象歸類)來對貴州冬季凝凍過程進(jìn)行分型。

圖1為1983—2013年冬季貴州省區(qū)域凝凍過程中各站凝凍日數(shù)的聚類圖，貴州省84站冬季凝凍過程中的凝凍日數(shù)作為研究對象，樣品間距離與類間距離的最優(yōu)聚類組合為海明距離—未加權(quán)平均距離，其二者的復(fù)合相關(guān)系數(shù)為0.968。

圖1 1983—2013年冬季貴州省區(qū)域凝凍過程 中各站凝凍日數(shù)的聚類圖Fig.1 Cluster analysis of freezing days of all stations during freezing processes in Guizhou from 1983 to 2013

2.2.2 L-J大氣環(huán)流分型方法 利用L-J分型法對貴州區(qū)域進(jìn)行環(huán)流的客觀分型研究，首先要進(jìn)行區(qū)域的選取和劃分。本文將位于貴州區(qū)域(103°36′～109°35′E、24°37′～29°13′N)中部的點C(107.5°E，27.5°N)定為中心點，每隔10個經(jīng)度，5個緯度的網(wǎng)格點上取16個點(圖2)。

再利用所選區(qū)域內(nèi)的16個格點的海平面氣壓值，通過中央差分，得到地轉(zhuǎn)風(fēng)及其緯向、經(jīng)向分量、緯向和經(jīng)向梯度、地轉(zhuǎn)渦度6個環(huán)流指數(shù)。根據(jù)地轉(zhuǎn)風(fēng)速、風(fēng)向及渦度值將環(huán)流分為27種類型，分型標(biāo)準(zhǔn)及相應(yīng)類型見表1。

圖2 貴州省區(qū)域16個差分格點選取Fig.2 Selected 16 difference grid points for Guizhou

|ξ|

3 結(jié)果分析

3.1 區(qū)域(省級)凝凍過程特征

貴州省范圍內(nèi)同時段有8個以上(含8個)縣(區(qū))連續(xù)出現(xiàn)3個凝凍日則為一次區(qū)域性凝凍過程。圖3a為1981—2013年冬季貴州省63個區(qū)域凝凍過程中各站凝凍過程頻率的空間分布，可以看到貴州冬季較易發(fā)生區(qū)域凝凍過程的區(qū)域集中在貴州中部一線，威寧(92.0%)、大方(96.8%)、開陽(90.5%)、麻江(81.0%)、丹寨(90.5%)和萬山(87.3%)的頻率達(dá)到了80%以上，其中威寧、大方、開陽和丹寨達(dá)90%以上，其余大部地區(qū)凝凍過程發(fā)生頻率低于30%。再結(jié)合1981—2013年冬季貴州省各站在區(qū)域凝凍過程中平均持續(xù)凝凍時間的空間分布(圖3b)，發(fā)現(xiàn)貴州冬季區(qū)域凝凍過程發(fā)生頻率較高(70%以上)的中部一線區(qū)域的平均持續(xù)凝凍時間在6～8 d之間；遵義北部、銅仁北部、黔南東南部與黔東南南部地區(qū)平均持續(xù)凝凍時間在3～5 d之間，凝凍過程發(fā)生頻率較低(30%以下)且持續(xù)時間較短，說明該區(qū)域?qū)儆谀齼鰹?zāi)害較輕的地區(qū)；而在發(fā)生頻率同樣較低的安順西部到東南部一線與黔南州的西南部接壤區(qū)域的平均持續(xù)凝凍時間可達(dá)9～12 d之間，表明該區(qū)域雖發(fā)生區(qū)域凝凍過程頻率較低，但一旦發(fā)生區(qū)域凝凍過程則持續(xù)時間較長，災(zāi)害程度最嚴(yán)重。

圖3 1983—2013年冬季貴州省63個區(qū)域凝凍過程中各站凝凍過程頻率(a，單位：%)和平均持續(xù)時間(b，單位：d)的空間分布Fig.3 Spatial distribution of freezing frequency(a,unit:%)and duration(b,unit:d)of all stations during 63 regional freezing processes in Guizhou from 1983 to 2013

3.2 貴州冬季凝凍過程EOF分型

對1983—2013年冬季貴州省63個區(qū)域凝凍過程中各站凝凍日數(shù)進(jìn)行EOF分解，前5個模態(tài)的方差貢獻(xiàn)之和達(dá)93.9%，在95%置信度水平下的特征根誤差表明，前5個模態(tài)均存在顯著差異(表2)，表明EOF前5模態(tài)能較好的表征63個凝凍過程樣本的空間分布特征，尤其是第1模態(tài)，方差貢獻(xiàn)率接近80%。再結(jié)合前5模態(tài)對應(yīng)的空間分布型結(jié)果可以看到，貴州省區(qū)域凝凍過程日數(shù)第1模態(tài)對應(yīng)的空間分布(圖4a)為“全區(qū)一致型”，說明凝凍日數(shù)的年際變化全省一致性較好，高值區(qū)位于貴州省中部，遵義縣、金沙、黔西、修文、清鎮(zhèn)、烏當(dāng)、花溪、龍里、貴定、惠水、長順、普定站表現(xiàn)出很好的同位相變化。其他4類空間分布型分別為“西部和中部與東部和南部反位相型”、“東、西部反位相型”、“西部、中部和東南部與東北部和西南部反位相型”和“西北部、西部和南部與中部、東北部和東部反位相型”。

表2 冬季凝凍日數(shù)前5 個特征向量方差貢獻(xiàn)(%)Tab.2 The variance percentage of the first five eigenvectors of freezing process in winter(%)

圖4 1983—2013年冬季貴州省區(qū)域凝凍過程中各站凝凍日數(shù)EOF的空間分布： EOF1(a)、EOF2(b)、EOF3(c)、EOF4(d)和EOF5(e)Fig.4 EOF spatial distribution of freezing days during winter freezing process in Guizhou from 1983 to 2013

3.3 貴州冬季凝凍過程區(qū)劃

按照圖1中的聚類分析方法，將貴州省區(qū)域凝凍過程結(jié)果分別分型為5類、4類、3類和2類(圖5)。結(jié)果表明在5類分型中貴州中部一線的威寧、大方、開陽、甕安、麻江、丹寨和萬山分為一類記為Ⅰ區(qū)(7站，占8.2%)；畢節(jié)東部、六盤水北部、安順西北部、興義北部和遵義西部的區(qū)域分為一類記為Ⅱ區(qū)(8站，占9.4%)；畢節(jié)東部、貴陽中部和黔南州東南部局地區(qū)域分為一類記為Ⅲ區(qū)(7站，占8.2%)；貴陽北部和南部、黔南州北部和黔東南州中部區(qū)域分為一類記為Ⅳ區(qū)(12站，占14.1%)；其余大部區(qū)域分為一類記為Ⅴ區(qū)(50站，占60.0%)。在4類分型中Ⅲ區(qū)和Ⅳ區(qū)合并。在3類分型中Ⅲ區(qū)、Ⅳ區(qū)和Ⅴ區(qū)合并。在2類分型中Ⅱ區(qū)、Ⅲ區(qū)、Ⅳ區(qū)和Ⅴ區(qū)合并。表明Ⅰ區(qū)的獨立性最強、其次為Ⅱ區(qū)，Ⅲ區(qū)、Ⅳ區(qū)和Ⅴ區(qū)的相關(guān)性較好。因為先被聚類在一起的區(qū)域，相似性關(guān)系比較密切。對于處在同一個子評價層中的評價指標(biāo)來說，如果聚類的結(jié)果具有同一性，可以考慮去除其中之一或?qū)蓞^(qū)域合并；對于不在同一個子評價層中的區(qū)域，聚類在一起的也具有屬性上的相關(guān)性，但不可相互替代。通過上述分析，本文將貴州省84站冬季凝凍過程中的凝凍日數(shù)聚類分型為4類(圖5b)，即4類冬季凝凍過程的凝凍日數(shù)區(qū)劃，Ⅰ區(qū)為特重凝凍區(qū)、Ⅱ區(qū)重凝凍區(qū)、Ⅲ區(qū)和Ⅳ區(qū)合并為中凝凍區(qū)、Ⅴ區(qū)為輕凝凍區(qū)。

圖5 1983—2013年冬季貴州省區(qū)域凝凍過程中各站凝凍日數(shù)聚類分型的空間分布： 5類分型(a)、4類分型(b)、3類分型(c)和2類分型(d)Fig.5 Spatial distribution of cluster type classification of winter freezing days during 63 regional freezing processes from 1983 to 2013:five types of classification(a),four types of classification(b),three types of classification(c),two types of classification(d)

3.4 基于再分析數(shù)據(jù)的L-J客觀分型結(jié)果分析

對L-J分型法的驗證首先是分析根據(jù)L-J分型法得到的貴州區(qū)域的分型結(jié)果能否準(zhǔn)確區(qū)分環(huán)流場的高、低壓形態(tài)及地轉(zhuǎn)風(fēng)流場走向。

首先對1983—2013年冬季63個區(qū)域凝凍過程樣本的NCEP/NCAR逐日500 hPa 位勢高度場數(shù)據(jù)進(jìn)行分析討論(圖6)。L-J環(huán)流分型主要為W型(98.1%)，其次為CW型(0.9%)、SW型(0.4%)、NW型(0.4%)和E型(0.2%)，表明冬季貴州區(qū)域上空均處西風(fēng)帶內(nèi)，受平直西風(fēng)影響較大，L-J分型法能夠較好地表現(xiàn)區(qū)域環(huán)流特征。

圖6 1983—2013年冬季貴州區(qū)域63個區(qū)域凝凍 過程樣本的環(huán)流分型結(jié)果(單位：%)Fig.6 Circulation type classification of 63 freezing samples in Guizhou from 1983 to 2013(Unit:%)

對1983—2013年冬季分月平均的NCEP/NCAR逐日500hPa 位勢高度場(記為H500)數(shù)據(jù)進(jìn)行分析討論。圖7分別給出了冬季12月1日、1月1日和2月1日起未來1～31 d、1～31 d和1～28 d平均的500 hPa分布場及根據(jù)L-J分型得到的分型結(jié)果。冬季，北半球中緯度西風(fēng)帶南北溫差增大導(dǎo)致西風(fēng)帶較夏季增強南移，貴州區(qū)域上空均處西風(fēng)帶內(nèi)，受平直西風(fēng)影響較大，同時L-J環(huán)流分型主要為W型，12—次年2月所占百分率依次為92.7%、95.5%和95.0%。通過上述分析，表明在貴州區(qū)域利用L-J分型法能夠較好地表現(xiàn)區(qū)域環(huán)流的不同型態(tài)特征，即H500的環(huán)流場配置與L-J環(huán)流分型結(jié)果在冬季均表現(xiàn)出良好的對應(yīng)關(guān)系，說明該方法適用于貴州區(qū)域。

圖7 冬季12月(a、b)、1月(c、d)和2月(e、f)500 hPa高度場(a、c、e) (單位：位勢米) 及貴州區(qū)域的環(huán)流分型結(jié)果(b、d、f)(單位：%)Fig.7 500 hPa geopotential height field(a、c、e) in December(a、b)、January(c、d) and February(e、f) and circulation type classification in Guizhou(Unit:%)

4 小結(jié)與討論

通過對1983—2013年冬季(12月—次年2月)貴州省84站凝凍過程的空間分布特征和環(huán)流分型的初步研究，得到以下結(jié)論：

①貴州省中部一線的區(qū)域凝凍發(fā)生頻率最高，安順西部至黔南州西南部區(qū)域凝凍持續(xù)時間最長，貴州北部及東南部部分地區(qū)凝凍發(fā)生頻率較低且持續(xù)時間短，因此受災(zāi)程度最輕。

②全省冬季凝凍日數(shù)一致偏多或偏少的情況所占比例接近80%，尤其是貴州中部區(qū)域表現(xiàn)出非常好的一致性。

③貴州冬季凝凍過程按照凝凍日數(shù)區(qū)劃可分為4類，即特重凝凍區(qū)、重凝凍區(qū)、中凝凍區(qū)和輕凝凍區(qū)。

④冬季貴州L-J環(huán)流分型主要為W型(98.1%)，其次為CW型(0.9%)、SW型(0.4%)、NW型(0.4%)和E型(0.2%)，表明冬季貴州區(qū)域上空均處西風(fēng)帶內(nèi)，受平直西風(fēng)影響較大，L-J分型法能夠較好地表現(xiàn)區(qū)域環(huán)流特征。

⑤冬季各月 NCEP資料作出的500 hPa環(huán)流場的配置與Lamb-Jenkinson環(huán)流分型結(jié)果表現(xiàn)出良好的對應(yīng)關(guān)系，表明Lamb-Jenkinson大氣環(huán)流分型法適用于貴州區(qū)域。12—次年2月W型環(huán)流所占百分率依次為92.7%、95.5%和95.0%，說明利用Lamb-Jenkinson環(huán)流分型法得到的環(huán)流型可以更準(zhǔn)確地體現(xiàn)冬季貴州區(qū)域各類環(huán)流的型態(tài)特征。

本研究只是對貴州冬季凝凍過程環(huán)流分型的初步探索，它驗證了Lamb-Jenkinson分型法在貴州是適用的，利用該方法對模式環(huán)流場進(jìn)行釋用還有待于下一步深入的研究。

[1] 許丹,羅喜平.貴州凝凍的時空分布特征和環(huán)流成因分析[J].高原氣象,2003,22(4)：401-404.

[2] 杜小玲,高守亭,許可,等.中高緯阻塞環(huán)流背景下貴州強凍雨特征及概念模型研究[J].暴雨災(zāi)害,2012,31(1)：15-22.

[3] 白慧,柯宗建,吳戰(zhàn)平,等.貴州冬季凍雨的大尺度環(huán)流特征及海溫異常的影響[J].高原氣象,2016,35(5)：1 224-1 232.

[4] 馬寧,李躍鳳,琚建華.2008年初中國南方低溫雨雪冰凍天氣的季節(jié)內(nèi)振蕩特征[J].高原氣象,2011,30(2)：318-327.

[5] Lamb HH.Types and spells of weather around the year in the British Isles[J].Quarterly Journal of the Royal Meteorological Society,1950,76：393-438.

[6] 朱志英,黃景華.氣旋產(chǎn)生的500hPa流場特征及其環(huán)流分型[J].氣象,1990,16(6)：26-30.

[7] 王林,覃軍,陳正洪,等.南方冰凍雨雪災(zāi)害年的環(huán)流及氣象要素異常的統(tǒng)計分析[J].長江流域資源與環(huán)境,2011,20(Z1)：173-180.

[8] Bardossy A,Caspary HJ.Detection of climate change in Europe by analyzing European circulation patterns from 1881 to1989.Theoretical and Applied Climatology,1990,42：155-167.

[9] Jenkinson A,Collison FP.An initial climatology of gales over the North Sea[C].Synoptic Climatology Branch Memorandum No.62.Bracknell:Meteorological Office,1977,18.

[10]朱艷峰,陳德亮,李維京,等.Lamb-Jenkinson環(huán)流客觀分型方法及其在中國的應(yīng)用[J].南京氣象學(xué)院學(xué)報,2007,30(3):289-296.

[11]李霞,楊靜,麻軍,等．烏魯木齊重污染日的天氣分型和邊界層結(jié)構(gòu)特征研究[J]．高原氣象,2012,31(5)：1 414-1 423.

[12]俞科愛,胡曉,黃旋旋,等.寧波區(qū)域霾過程的天氣分型及環(huán)流場特征[J].氣象,2015,41(12)：1 514-1 524．

[13]陳靜靜，葉成志，吳賢云.湖南汛期暴雨天氣過程環(huán)流客觀分型技術(shù)研究[J].暴雨災(zāi)害，2016,35(2)：119-125.

[14]馮志剛，程興無，陳星，等.淮河流域暴雨強降水的環(huán)流分型和氣候特征[J].熱帶氣象學(xué)報,2013,29(5)：824-832.

[15]張堯庭，方開泰.多元統(tǒng)計分析引論[M].北京：科學(xué)出版社,1982.

[16]施能.氣象科研與預(yù)報中的多元分析方法(第二版)[M].北京：氣象出版社,2002.

A Study on characteristics of winter freezing and circulation type in Guizhou

HUANG Chenran，BAI Hui，YANG Juan

(Guizhou Provincial Climate Center, Guiyang 550002, China)

Using freezing process dataset of 84 meteorological observational stations in Guizhou and the NCEP /NCAR reanalysis data during the period from 1983 to 2013，the spatial distribution characteristics of the freezing processand circulation type classification in winter are analyzed with the methods of EOF decomposition and cluster analysis and Lamb-Jenkinson circulation type classification system. It is shown that there is the highest frequency of freezing in central areas of Guizhou province. The duration of freezing is the longest from the west of Anshun to the southwest of Qiannan. The frequency of freezing is low and the duration of freezing was short in the north and southeast of Guizhou so that the disaster degree of freezing is the slightest in these areas. The proportion of commonly more and less freezing days is close to 80 percent throughout the province. According to the number of freezing days, freezing process can be divided into 4 categories: the heaviest area, heavy area, moderate area and light area. Lamb-Jenkinson classification system is applicable to Guizhou. The proportion of W circulationtype is 98.1% during freezing process. The percentage of W circulation type in each month was 92.7%, 95.5% and 95%. The results of Lamb-Jenkinson circulation classification can be more accurate to show the different characteristics of circulation in winter in Guizhou.

freezing process; cluster analysis; circulation type

2017-03-06

黃晨然(1990—)，女(布依族)，助工，主要從事氣候診斷與短期氣候預(yù)測研究，E-mail:huangchr@126.com。

貴州省氣象局氣象科技開放研究基金項目(黔氣科合KF[2016] 06號)；貴州省重大專項“主、客觀預(yù)測產(chǎn)品檢驗評估系統(tǒng)”(黔氣科合ZD[2016] 04號)；黔科合院士站(20144010) 。

1003-6598(2017)03-0010-07

P426.3+2

A