湖州市冬季降雪的預報指標研究*

尹 浩 李洪權 周之栩

(1.浙江省湖州市氣象局,浙江 湖州 313000;2.浙江省德清縣氣象局,浙江 德清 313200)

0 引 言

冬季的降水預報是最具挑戰(zhàn)性的問題之一,尤其是涉及降水相態(tài)轉換的問題,其機理十分復雜。由于大氣混沌現(xiàn)象,常規(guī)數值預報在降雪預報過程中,預報結果不是很準確。

在冬季降水相態(tài)方面,國內外相關專家開展了不少研究。其中大部分是通過某一次或幾次個例分析，得到降雪形成的機理和條件,而缺乏統(tǒng)計性意義[1-3]。另外有一些通過統(tǒng)計分析方法得到降雪指標的研究,例如Heppner[4]選取美國1989—1992年3個冬季的數據,研究發(fā)現(xiàn)850～700 hPa位勢厚度比1000～500 hPa位勢厚度更易區(qū)分降雪事件。彭霞云等[5]研究8次雨雪轉化過程指出，浙江冬季降雪判別指標為2 m溫度≤1 ℃、1000 hPa溫度≤0 ℃、0 ℃層高度≤200 gpm、850 hPa和1000 hPa高度差≤1280 gpm。漆梁波等[6]通過對中國東部地區(qū)2005—2009年降水相態(tài)識別研究給出了降雪混合判據為H700～850≤154 dagpm、T925≤-2 ℃、T1000≤0 ℃。許美玲等[7]選取700 hPa溫度、500～700 hPa之間的位勢厚度、地面日最低溫度3個單一判據，組合為綜合判據,對昆明冬季降水相態(tài)進行了統(tǒng)計分析。通過上述研究發(fā)現(xiàn)，不同地區(qū)降雪的判據、閾值的設定有很大不同,并且大多數研究資料僅僅為兩個時次(08和20時)的，且僅為探空觀測站點的,這已不能滿足日益增長的城市精細化服務需求。

孫燕等[8]研究指出，29°N以北地區(qū)降雪出現(xiàn)較多,其以南地區(qū)出現(xiàn)較少,蘇浙交界處是雨夾雪的相對多發(fā)地。湖州正好處于雨雪交界區(qū),是浙江省雨雪冰凍天氣最為頻繁、災害影響最為嚴重的地區(qū)之一,災害直接影響人民群眾的生命財產安全和生產、生活以及社會穩(wěn)定。通過更為精細的資料和合適的方法,建立湖州地區(qū)降雪判別指標,可以為湖州降雪天氣的精細化預報提供較好的參考,達到防災減災的目的。

1 資料和方法

利用2007—2016年湖州國家基本氣象觀測站常規(guī)地面氣象資料,統(tǒng)計得知該10 a湖州總共出現(xiàn)25例降雪事件。由于湖州當地并沒有探空資料,本文選用NECP(美國國家環(huán)境預報中心)再分析資料(1°×1°)，提取高空各層氣象要素,通過與氣象觀測站觀測資料對比,確定每日4個時次(分別為北京時02、08、14、20時)的具體天氣現(xiàn)象,得到各類降水相態(tài)發(fā)生時的氣象要素值。通過上述方法選出的研究日數共有112 d,總樣本數為448個,其中降雪的樣本數為105個、降水的樣本數為314個、雨夾雪的樣本數為29個。通過統(tǒng)計分析方法和TS評分最優(yōu)原則,確定降雪出現(xiàn)時各物理量的范圍及閾值,得到相態(tài)轉變的判據,并利用判據對歷史降雪天氣進行檢驗分析,最后建立湖州降雪天氣的預報指標。

2 降雪數量月際變化

從湖州市降雪數量月際變化可知,1—3月和11—12月均有降雪,其他月份無降雪天氣出現(xiàn)。降雪主要集中在冬季的1月、2月和12月,分別占降雪數量的55.2%、35.2%和4.8%,合計占95.2%;3月和11月僅占4.8%。

3 結果分析

3.1 氣溫與相態(tài)的統(tǒng)計特征

圖1是不同降水相態(tài)對應的T1000、T925、T850、T700、T700～850和T500的箱線圖,箱線圖上標明了各百分位的位置、極大值、極小值和均值。

圖1 不同降水相態(tài)對應的箱線圖(a.T1000、b.T925、c.T850、d.T700、e.T700～850、f.T500)

近地面層氣溫對于降水相態(tài)影響較大,超過57%的降雨發(fā)生在1000 hPa氣溫在0 ℃以上的情況下,75.2%的降雪事件出現(xiàn)在近地層氣溫低于0 ℃時。當1000 hPa氣溫為-2～2 ℃時,有97%的雨夾雪事件發(fā)生。降雪時1000 hPa平均氣溫為-1.16 ℃，降雨時平均氣溫為1.13 ℃，雨夾雪時平均氣溫為-0.11 ℃。通過T檢驗可以發(fā)現(xiàn)，1000 hPa氣溫對于降水相態(tài)有很好的指示意義,各個均值都存在顯著差異,通過了95%信度檢驗,說明降雪、降雨和雨夾雪時1000 hPa氣溫顯著不同。

98%的降雪樣本925 hPa溫度低于0 ℃,96.2%的樣本溫度在-2 ℃以下;大部分(83.4%)降雨樣本溫度在-7.5～3 ℃之間,68.5%分布在-2 ℃以上;雨夾雪發(fā)生在925 hPa溫度為0 ℃以下的比例達93.1%。

從溫度分布情況可知，降雨的分布特征與降雪存在一定差異,但與雨夾雪的分布特征非常接近,基本包含了雨夾雪的溫度范圍。從均值T檢驗結果可知,降雨溫度(-2.8 ℃)與雨夾雪溫度(-3.5 ℃)的均值差異并沒有通過顯著性差異,用925 hPa的溫度來判定雨與雨夾雪相態(tài)難度較大。但雨夾雪溫度(-3.5 ℃)與降雪溫度(-5.32 ℃)、降雨溫度(-2.8 ℃)與降雪溫度(-5.32 ℃)的均值差異卻是明顯的,通過了95%的信度檢驗,925 hPa的溫度可以用來判別雨夾雪與降雪、降雨與降雪的轉變。

降雨時850 hPa平均溫度為-3.84 ℃,溫度分布較為分散,87.6%的降雨樣本溫度分布在-10～4 ℃之間,雨夾雪和雪的T850平均值分別為-5.34 ℃和-6.89 ℃,兩者的溫度分布相對集中,79.3%的雨夾雪樣本溫度在-7～-4 ℃之間,89.5%的降雪樣本溫度分布在-4 ℃以下,超過一半的樣本溫度分布在-9～-4 ℃之間。從特征分布及均值檢驗情況可知，850 hPa的溫度能夠很好地區(qū)分3種相態(tài)降水。

由700 hPa溫度分布情況可知，降雨樣本與雨夾雪樣本兩者的溫度分布基本相近,700 hPa的溫度對于雨與雨夾雪相態(tài)的判別較為困難,其均值T檢驗也同樣說明兩者平均溫度并無明顯差異,而降雪與它們的溫度分布不同,其80%的樣本溫度在-9～-2 ℃之間,均值T檢驗表明降雪時平均溫度(-6.24 ℃)與降雨及雨夾雪時的平均溫度(-4.79 ℃、-4.32 ℃)均存在顯著差異,說明700 hPa溫度可以區(qū)分降雪與其他降水(降雨與雨夾雪)。

通過700 hPa與850 hPa溫度差的特征分析可以發(fā)現(xiàn),67.6%的降雪樣本和58.6%的雨夾雪樣本T700～850在0 ℃以上,都存在逆溫層,且兩者的特征分布基本一致,56.7%的降雨樣本溫差在0 ℃以下。比較T700～850的均值差異性可以發(fā)現(xiàn),降雪樣本的平均值為0.65 ℃,雨夾雪的平均值為1.02 ℃,兩者均值并沒有通過顯著性檢驗,而降雨與上述兩個相態(tài)降水的均值存在顯著差異,可以通過逆溫值來判別固態(tài)降水(雪與雨夾雪)和液態(tài)降水。

分析500 hPa的溫度分布情況可知,只有雨夾雪樣本溫度分布及均值與其余兩種相態(tài)不同,且通過了均值T檢驗,表明500 hPa溫度可以將雨夾雪、雪及雨進行一定程度的區(qū)分,雨夾雪樣本的T500均值為-14.9 ℃,而其余兩者都為-16 ℃左右。

3.2 位勢厚度與相態(tài)的統(tǒng)計特征

厚度因子相比于特征層的溫度因子來說,更能反映大氣整層特性,某層厚度與該層的平均溫度成正比,兩層間熱區(qū)越明顯,則厚度越大。例如當中低層有暖平流時,大氣整層厚度將會增大。圖2為不同降水相態(tài)不同層次的厚度因子箱線圖,包含H1000～500、H1000～700、H1000～850、H1000～925、H700～500、H850～500、H850～700共7個厚度因子。

從圖2可知,對于厚度因子H1000～500、H1000～700、H700～500、H850～500、H850～700而言,降雪、降雨及雨夾雪3者的分布特征基本相似,數值分布較為分散,3者重疊部分較多,降雨基本包括了降雪及雨夾雪的數值范圍,降雪與雨夾雪的分布有很大的重合率。對于厚度因子H1000～850和H1000～925而言，固態(tài)降水(雪和雨夾雪)的數值分布較集中,且重合率低,與液水降水相比,分布存在一定差異。

圖2 不同降水相態(tài)下不同層次的厚度因子

另外，從平均值來看,H1000～500、H700～500和H850～5003個因子雨夾雪的厚度平均值最大,降雪事件的厚度平均值最小;其他因子降雨事件的厚度均值大于固態(tài)降水(降雪和雨夾雪)事件,降雪的厚度均值最小。通過均值T檢驗結果可以發(fā)現(xiàn),H1000～500、H1000～700、H700～500、H850～500、H850～7005個因子降雪與降水、降雪與雨夾雪的均值存在顯著差異,而降水與雨夾雪的均值并沒有顯著的差異,對于H1000～850和H1000～925而言，3種相態(tài)的均值都存在顯著差異。一些學者針對不同地區(qū)研究并設計了一些厚度因子,例如H1000～500、H850～700或H700～500,但對湖州地區(qū)而言，似乎更低層的厚度因子更能有效區(qū)分降水相態(tài),本文著重探討兩個厚度因子H1000～850和H1000～925的情況。

93%的降雪樣本H1000～850為1260～1290 gpm，其中16個樣本(占總樣本數的15.2%)H1000～850為1276～1278 gpm；87.9%的降雨樣本H1000～850為1260～1320 gpm；93.1%的雨夾雪樣本H1000～850為1275～1300 gpm。降雪與降雨有較明顯的差異，大多數降雨樣本的H1000～850值明顯大于降雪樣本。此外，大多數雨夾雪樣本的H1000～850為1276～1280 gpm，幾乎與降雪樣本重疊，但數值略高于降雪樣本。從平均值可以發(fā)現(xiàn)，降雪樣本的H1000～850平均值為1277.8 gpm，雨夾雪樣本的平均值為1285.7 gpm，而降雨樣本的平均值為1290.4 gpm，其相比于固態(tài)降水(雪和雨夾雪)明顯偏高，通過均值的差異性檢驗，可以得出3種相態(tài)降水H1000～850的平均值存在較明顯的差異，且通過了95%以上的信度檢驗。

對于厚度因子H1000～925而言，44個降雪樣本H1000～925為613～617 gpm，占總樣本數的42%；43%的降雨樣本H1000～925為616～624 gpm；18個雨夾雪樣本H1000～925為616～620 gpm，占總樣本數的62.1%，96.6%的樣本H1000～925為616～626。

4 固態(tài)降水判據設計與檢驗

4.1 判據的設計及閾值設定

從上文分析可知,不論是溫度因子還是厚度因子，對于降水相態(tài)的辨識都存在一定的可信度。本文將選取上述一些因子，根據降雪TS評分(Threat Score)最高的原則，確定每一個物理量的閾值。例如對于溫度因子T1000,計算T1000≤η時固態(tài)降水(雪和雨夾雪)的TS評分、空報率(FAR)和漏報率(PO),η為取值區(qū)間內任意值,以0.1為間隔遞增,選取TS評分最高的η值作為閾值,從而設定T1000≤η為固態(tài)降水的指標。同理,可以得到其他物理量的閾值。當然對于混合指標來說,由于需要滿足TS評分最高原則,所以其閾值與單獨指標的閾值會有所差異,見表1。

表1 固態(tài)降水指標、閾值及相應的性能檢驗表

從TS評分發(fā)現(xiàn),對于固態(tài)降水的評分,除了溫度厚度混合指標2為0.29外,其他基本在0.34以上,似乎這個數值偏小,但分析認為這可能與樣本選取有關。本文選取湖州站出現(xiàn)降雪過程的時間段內每日4個時次的資料作為樣本,而之前眾多研究中樣本的選取站點數偏多,但時間僅為每日兩個時次,相比而言本文樣本選取的時間分布更為精細。另外，我們將前人文獻中所得的較好的判據應用到本文樣本中進行TS評分計算。例如H1000～850≤1280 gpm,TS評分僅為0.33;T1000≤0 ℃,TS評分為0.36;對于混合指標H850～700≤1540 gpm、T925≤-2 ℃、T1000≤0 ℃,TS評分為0.34，F(xiàn)AR為0.59，PO為0.36,結果發(fā)現(xiàn)相同指標的TS評分值都小于本文結果?？梢哉J為雖然本文中TS評分偏小,但得到的判據仍具有一定的參考價值。

4.2 判據檢驗

上文得到了固態(tài)降水的各類判據,首先將其應用到歷史個例中進行檢驗分析。選取2008年1月21—30日、2011年1月17—22日、2012年2月9—11日、2016年1月20—23日共4次降雪過程,把樣本的天氣現(xiàn)象數字化,固態(tài)降水為1,液態(tài)降水為2,利用各混合指標對樣本進行天氣現(xiàn)象判別及TS評分,結果顯示各類混合指標均能較好地將固態(tài)和液態(tài)降水區(qū)分開。由2016年1月20—23日降雪過程的檢驗情況可知,各類混合指標的TS評分均在0.7以上(表2)。其次,將固態(tài)降水的各類判據應用到兩次實際預報業(yè)務中。一次是2018年1月24—28日的降雪過程，湖州出現(xiàn)大到暴雪,全市最大積雪深度平原為10～20 cm,山區(qū)為20～35 cm。其中湖州為18 cm，南潯為10 cm，德清為19 cm，長興為22 cm，安吉為15 cm,煤山為35 cm，莫干山為31 cm，鄣吳為28 cm。湖州最大積雪深度為自1956年有氣象記錄以來并列第五,降雪主要分為兩個過程(24—25日和27—28日,26日為間歇期)。運行結果顯示(表3)，判據對于第一個過程表現(xiàn)很好;由于判據未加入水汽因子,雖然溫度達到固態(tài)降水要求(判別結果為1),但是水汽不足,并未出現(xiàn)降水過程;對于第二個過程各類指標表現(xiàn)有所不足。另外一次是2018年1月30—31日的降雪過程,湖州平原積雪深度為2 cm,運行結果很好地捕捉到了降雪過程的開始及結束時間。通過分析歷史個例及實際業(yè)務應用情況可以發(fā)現(xiàn)，各類判據可以較好地為預報員提供固態(tài)降水的預報依據。

表2 2016年1月20—23日降水相態(tài)的5個混合指標檢驗情況

表3 2018年1月24—28日降水相態(tài)的5個混合指標檢驗情況

5 結 語

(1)利用2007—2016年湖州國家基本氣象觀測站常規(guī)地面氣象資料,統(tǒng)計得知該10 a湖州總共出現(xiàn)25例降雪事件。降雪主要集中在冬季的1月、2月和12月,占比達95.2%。

(2)計算溫度因子和厚度因子共13個物理量,統(tǒng)計分析各個物理量在不同相態(tài)降水中的分布特征,結果表明降雪、降雨和雨夾雪3種相態(tài)1000 hPa和850 hPa氣溫顯著不同。用925 hPa溫度判別雨與雨夾雪難度較大,但可以判別雨夾雪與雪、降雨與雪的轉變;T700能區(qū)分雪與其他降水(雨與雨夾雪),而T700～850可以區(qū)分固態(tài)降水(雪和雨夾雪)與液態(tài)降水;用500 hPa溫度可以將雨夾雪和其他兩類降水進行一定程度的判別;此外，就湖州地區(qū)而言，更低層的厚度因子能更有效地區(qū)分降水相態(tài)的不同,降雪與降雨的H1000～850有較明顯的差異,降雪樣本的H1000～925均值明顯小于雨夾雪和降雨。

(3)選取7個較好的物理量作為單一指標,并利用這7個物理量進行相應組合,設定5個混合指標。采用TS評分最優(yōu)原則,確定各指標閾值,其中7個單一指標分別為T1000≤1.4 ℃、T925≤-3.5 ℃、T850≤-4.8 ℃、T700～850≥-2.5 ℃、H1000～850≤1286.7 gpm、H1000～925≤621.0 gpm和H850～700≤1535.4 gpm。5個混合指標分別為溫度混合指標T925≤-3.4 ℃、T850≤-4.8 ℃、T700～850≥-4.0 ℃,厚度混合指標H1000～850≤1287.1 gpm、H850～700≤1535.4 gpm,溫度厚度混合指標1T925≤-0.3 ℃、T1000≤1.3 ℃、H850～700≤1535.4 gpm,溫度厚度混合指標2T1000≤1.1 ℃、T850≤-4.8 ℃、H1000～850≤1285 gpm、H1000～925≤621 gpm,溫度厚度混合指標3T925≤-1.9 ℃、H1000～850≤1287.1 gpm、H850～700≤1535.4 gpm。選取4個歷史個例,利用上述5個混合指標進行相態(tài)判斷,同時結合實際業(yè)務應用情況發(fā)現(xiàn),各類混合指標均能較好地將固態(tài)和液態(tài)降水區(qū)分開。

大氣中降水相態(tài)的變化是非常復雜的物理過程,本文初步建立了湖州地區(qū)的降雪指標,綜合各項指標可以為預報員在天氣預報業(yè)務中提供相關參考。