林志強路紅亞馬艷鮮
(1 西藏自治區(qū)氣候中心,拉薩 850000;2 西藏自治區(qū)氣象服務中心,拉薩 850000)
基于逐日積雪深度預報的藏北草原雪災等級評估
林志強1路紅亞1馬艷鮮2
(1 西藏自治區(qū)氣候中心,拉薩 850000;2 西藏自治區(qū)氣象服務中心,拉薩 850000)
選取西藏高原北部牧區(qū)的13個氣象站冬半年(11月—次年4月)的1980—2007年逐日積雪深度和最高、最低、平均氣溫資料,對藏北牧區(qū)草場的融雪量與氣溫關(guān)系進行了分析。利用線性回歸模型建立融雪率和最高、最低氣溫的方程,給出了藏北草場的融雪日數(shù)、逐日積雪深度的計算方法,得出草場雪災等級評估產(chǎn)品,實現(xiàn)在一場降雪后根據(jù)日常天氣預報業(yè)務制作草場逐日積雪深度的預報產(chǎn)品,并實時評估雪災的嚴重程度,為草原雪災氣象服務提供定量化參考產(chǎn)品。對2008—2009、2009—2010和2010—2011年的三個冬半年進行了預報效果評估,1~15d的逐日積雪深度的平均絕對誤差不超過2cm;積雪日數(shù)誤差不超過9d,誤差在1d以內(nèi)的占78.5%;雪災等級的準確率約為84%;該方法具有較好的預報效果,能為藏北雪災評估提供參考。該方法的缺陷在于,由于沒有準確的定量降雪預報產(chǎn)品,故沒有考慮后續(xù)降雪量的新增積雪影響。
藏北草原,積雪日數(shù),融雪率,雪災評估
雪災是西藏高原北部牧區(qū)冬春季最主要、影響最廣、破壞力最大的氣象災害,積雪覆蓋牧場,并且在表面結(jié)一層冰殼,使得積雪不能融化而成災,牲畜無法吃草,膘情較差的牲畜在饑寒交迫下大批死亡,同時大雪封路、封山,給交通運輸、郵政通訊、國防建設(shè)、地質(zhì)測繪等造成巨大損失[1]。
由于青藏高原地處高寒地帶,生態(tài)環(huán)境脆弱,人口稀少,經(jīng)濟發(fā)展較為滯后,雪災對國民經(jīng)濟的損害尤為嚴重,對青藏高原雪災的時空分布特征和環(huán)流特征的分析得到了國內(nèi)氣象工作者的重視,姚玉壁等[2]、董文杰等[3]、董安祥等[4]、馬林等[5-6]、梁瀟云等[7]、周陸生等[8]、時興合等[9]對青藏高原不同區(qū)域牧區(qū)的冬、春、秋季雪災的氣候特征和水汽、環(huán)流特征進行了分析。在雪災的監(jiān)測和服務中,需要對雪災的嚴重程度進行評估。李彰俊等[10]引入濕度對體感溫度的影響以及人畜身上落雪增加的體熱損耗,對Schlatter風寒指數(shù)進行了修正,對暴風雪災害進行了有效的評估。周秉榮等[11]應用災害學的理論和觀點,對造成青藏高原雪災的致災因子、孕災環(huán)境和承災體等要素綜合分析,建立從降水、積雪、成災、災情評價的綜合判識模型。林建等[12]結(jié)合常規(guī)站點雪深資料和衛(wèi)星監(jiān)測的積雪覆蓋率資料,主要考慮積雪厚度和持續(xù)時間對不同草場的災情影響,建立了一套簡單的雪災監(jiān)測方法。宮德吉等[13]指出在暴風雪過程中,大風、暴雪、強降溫聯(lián)合施虐,加劇了人畜的熱損耗率,從而形成嚴重的凍害。姚筠等[14]利用實時雪情和災情資料建立了安徽省單站和全省的農(nóng)業(yè)經(jīng)濟損失定量評估模型。
在西藏高原冬春季雪災的氣象服務實踐中,在一場強降雪之后,對積雪深度的變化和積雪日數(shù)估計是評估雪災嚴重程度的重要參數(shù),能夠為及時抗災救災提供參考。在目前的研究中,融雪模式由于需要大量的地雪、雪氣交界面模式參數(shù)輸入[15-17],在業(yè)務中并不適用。本文通過分析氣象要素與積雪消融的關(guān)系,建立藏北草原分站的逐日積雪深度模擬模型,提出制作逐日積雪深度和積雪日數(shù)的預報方法,以準確評估雪災嚴重等級,為抵御藏北草原的冬春季雪災提供參考。
選取1980年1月—2008年6月的藏北草原13個氣象站(圖1)的冬半年(11月—次年4月)的地面氣象觀測資料,包括積雪深度、最高氣溫、最低氣溫、日平均氣溫等氣象要素,對積雪消融速率(即一天消融的積雪厚度,以下稱融雪率)與氣象要素的關(guān)系進行分析。采用線性回歸方法建立融雪率與氣象要素的關(guān)系,建立藏北草原分站融雪率預報模型。
氣溫是決定融雪率的主要因素[18-20],為了分析藏北草原氣溫和融雪率的關(guān)系,選取1980年1月—2008年6月間的符合以下條件的個例:
1)前一天有積雪,而當天沒有新降雪的個例;
2)去掉前一天有積雪,而當天已經(jīng)完全消融的情況。
將這些個例的當天積雪減前一天的積雪,即可得到融雪率,而這些積雪都是在前一天08時至當天08時這一時段內(nèi)消融的,該時段的最高、最低和平均氣溫均可從氣象記錄中得到。
分別對最高、最低和平均氣溫以1℃為間隔,計算每一溫度區(qū)間的平均融雪率(圖2),從圖中可見:最高、最低和平均氣溫都滿足準正態(tài)分布;最高、最低和平均氣溫與融雪率都呈線性關(guān)系,即溫度越高(低),融雪率越大(小),相關(guān)系數(shù)分別為0.824、0.856和0.838,均通過0.001的顯著性水平檢驗,其中最低氣溫與融雪率的關(guān)系最好;從兩者的線性趨勢關(guān)系上看,最高、最低和平均氣溫每升高1℃,積雪的融雪率分別增加0.036、0.046和0.055cm。
上面說到,校園文化是能夠分作狹義上的于廣義上的,這個點,我們主要討論的是廣義上的校園文化。首先,我們知道,廣義上的校園文化是由精神文化、物質(zhì)文化、行為文化共同構(gòu)成的有機整體。首先,精神文化可以說是校園文化的核心,主要是以大學精神的形式表現(xiàn)。而大學精神,則是一個大學在長期的教育實踐中積淀的最富有典型意義的精神特質(zhì),也可以說是大學的辦學理念,例如北京大學的“兼容并包”。
由此可見,溫度是一種很好的計算融雪率的指標[21-22],以下將以溫度為因子,分別對藏北草原每個氣象站建立融雪率預報方程。
考慮到日常天氣預報業(yè)務中只對最高、最低氣溫進行預報,因此這里只建立基于最高和最低氣溫的模型,用線性回歸方法建立融雪量ΔS與最高氣溫、最低氣溫的方程:
其中,a0、a1、a2為回歸系數(shù),Tmin、Tmax分別為當日最低、最高氣溫;當ΔS<0時,ΔS=0。
對13個站分別建立回歸方程,回歸系數(shù)和擬合結(jié)果見表1。其中,洛隆的擬合結(jié)果只通過了0.05顯著性水平檢驗,改則和昌都分別通過了0.01顯著性水平檢驗,其他的擬合都通過了0.001顯著性水平檢驗,可見采用最低和最高氣溫作為預報因子參數(shù)是可行的。作為例外情況,從圖2中,當Tmax≥10℃或者Tmin≥0℃時,則融雪率為現(xiàn)有的積雪;當通過回歸方程計算的融雪率為負值時,融雪率取為0。
圖2 不同溫度的平均融雪率分布(a)最高氣溫;(b)最低氣溫;(c)平均氣溫Fig. 2 Distribution of averaged snow melting rate at different temperature (a) the maximum temperature; (b) the minimum temperature; (c) average temperature
在日常業(yè)務預報產(chǎn)品中,僅提供24~168h(1~7d)最高、最低氣溫的分站定量預報結(jié)果,因此該時段的最高、最低氣溫采用西藏自治區(qū)氣象臺提供的定量預報;從延伸期預報能力[23-27]來看,目前的預報水平較低,而且在西藏自治區(qū)氣象臺未提供該期間的逐日溫度預報的情況下,8d及其后的最高、最低氣溫值采用氣候平均值。值得指出的是,由于目前的預報水平提供準確、定量降雪量預報尚存在較大的困難[28-30],因此無法在積雪深度預報中對新增積雪進行考慮,因而在模型中只對在融雪過程中不再有新的降雪的簡單情況進行分析。此預報模型可以提供的積雪深度預報產(chǎn)品包括:
表1 融雪量回歸方程系數(shù)和擬合結(jié)果Table 1 The regression coefficients and fitting effects
1)直至積雪完全消融的逐日積雪厚度Ht的預報。預報方法是:
式中,H′t-1為前一天的積雪厚度,t=0即為起報時間的積雪厚度;ΔSt-1為根據(jù)式(1)由最高、最低氣溫得到的融雪量,考慮到積雪深度一般取整數(shù),因此對最后的積雪厚度序列結(jié)果取不小于H′t的整數(shù)為最后結(jié)果Ht(即Ceil函數(shù))。
考慮到溫度預報有一定的不確定性,對ΔS預報中,分別對最高、最低氣溫取±2℃的預報偏差,由于最高氣溫和最低氣溫的回歸系數(shù)a1和a2均為正數(shù),因此即相當于融雪量ΔS的范圍為:
2)持續(xù)積雪日數(shù)D預報(圖3b)。由逐日積雪深度預報產(chǎn)品,即可得到持續(xù)積雪日數(shù)D,并可以相應地得到考慮了溫度預報不確定性的持續(xù)積雪日數(shù)Dmin~Dmax,如圖3a中,D=47d、Dmin=40d、Dmax=54d。
3)藏北草原的逐日積雪深度預報(圖3c)。對所有站取預報日的積雪深度預報值,即可形成當日的積雪深度空間分布預報圖,如從圖3a中即可知安多站1998年2月3日的積雪深度預報量為12cm,考慮溫度不確定性后的取值范圍為9~15cm。
利用2008—2009、2009—2010和2010—2011年的三個冬半年的西藏自治區(qū)氣象臺逐日天氣預報產(chǎn)品對藏北草原的逐日積雪深度預報,并制作服務產(chǎn)品,預報制作的標準為當藏北任意一站的當日積雪厚度≥1cm時,即啟動本預報模塊。
對預報產(chǎn)品的檢驗方法為:當預報時效的時段內(nèi),預報站沒有新的降雪,即對其預報效果進行評估,例如如果預報的第三天又有新的降雪,那么則只對1、2d的預報產(chǎn)品進行評估,而不評估3d及其后的產(chǎn)品預報效果。
圖3 1998年1月12日起報的積雪深度預報產(chǎn)品示例(a)安多站逐日積雪深度;(b)藏北草原持續(xù)積雪日數(shù);(c)藏北草原24h積雪深度Fig. 3 A sample of forecast products of snow cover over Northern Tibetan Plateau, started from 12 J anuary 1998 (a) daily snow depth at Amdo Station; (b) continuous snow cover days; (c) snow depth after 24 hours
1~15d的逐日積雪深度預報絕對誤差如圖4a所示,可見15d內(nèi)的平均絕對誤差不超過2cm,其中1d有300多個樣本,平均絕對誤差為0.76cm;2d有約200個樣本,平均絕對誤差為1.11cm;3d有約180個樣本,平均誤差為1.05cm;平均絕對誤差最大為13d,為1.65cm;在1~3d,預報誤差較小,之后誤差增大,但時間較長后的積雪深度較小,誤差增長的幅度不大。
將一次降雪后直至雪融化完的一次過程稱為一次融雪過程,以降雪當天的積雪深度作為起報日期,試報期間共有398個融雪過程,其中383個無災,11個輕度雪災,3個中度雪災,1個嚴重雪災;圖4b給出積雪日數(shù)的預報檢驗結(jié)果,可見誤差為0d的有194個過程,占48.7%;誤差為1d的有119個過程,占29.9%;誤差為2d的有43個,占10.8%;誤差為3d以上的有42個,占10.5%;最大誤差為9d,共有3個過程;積雪日數(shù)預報的平均誤差約為1.1d。
圖4 積雪深度與積雪日數(shù)預報效果評估(a)1~15d積雪深度預報絕對誤差;(b)積雪日數(shù)預報誤差Fig. 4 The assessments of forecast effects(a) the averaged absolute error of daily snow depth on 1-15 days; (b) the absolute error of days with continuous snow cover
根據(jù)第三節(jié)建立的積雪深度預報結(jié)果,可以對雪災嚴重等級進行評估(圖5)。評估一次雪災的嚴重程度不僅取決于這次雪災的積雪深度,還取決于這次雪災中積雪的持續(xù)時間,例如,初春和初夏兩次降雪過程后,積雪深度均為20cm,由于初春的溫度較低,融雪較慢,即使沒有后續(xù)的降雪,積雪時間可能達到10d以上,因此形成了一次嚴重雪災;而初夏由于溫度高,積雪很快消融,可能持續(xù)積雪日數(shù)僅為1~2d,因此就不會對農(nóng)牧業(yè)生產(chǎn)形成很大的影響,不會造成雪災。因此,這里綜合利用逐日積雪深度H和持續(xù)積雪日數(shù)D的預報,對雪災的等級進行評估,雪災的評級采用假拉等[31]定義的雪災強度等級(表2),由圖3a即可知此次雪災程度為嚴重雪災。
圖5 1998年1月12日藏北草原雪災等級評估Fig. 5 The evaluation of snowstorm intensity levels for 12 J anuary 1998
表3給出了2008—2009、2009—2010和2010—2011年的三個冬半年的雪災等級估計結(jié)果,有334個過程的評估等級與實際等級一致,占84%;有51個過程評估等級與實際等級差1級,占13%,其中5個評估等級比實際等級弱1級,46個比實際等級強1級;13個過程評估等級比實際等級強2級以上,沒有過程評估等級比實際等級弱2級以上。
表2 雪災強度等級[31]Table 2 The snowstorms intensity levels[31]
表3 雪災等級評估Fig. 3 Assessment of snowstorm intensity evels
1)氣溫與融雪率都呈線性關(guān)系,最高、最低和平均氣溫每升高一度,積雪的融雪率分別增加0.036、0.046和0.055cm;采用最高和最低氣溫利用線性回歸方法建立藏北草原分站融雪率回歸方程,除了洛隆、昌都和改則擬合結(jié)果分別通過0.05、0.01和0.01顯著性檢驗外,其他各站均通過0.001顯著性水平檢驗;
2)基于最高、最低氣溫和融雪率的回歸模型,利用日常業(yè)務預報產(chǎn)品和氣候平均值,可以提供包括逐日積雪深度、積雪日數(shù)和雪災嚴重等級評估等產(chǎn)品,該方法沒有考慮后續(xù)降雪量的新增積雪影響,只是在假定沒有新增積雪的情況下,在未來可能溫度影響下積雪的消融速度;
3)對2008—2009、2009—2010和2010—2011年的三個冬半年的預報結(jié)果15d內(nèi)的平均絕對誤差不超過2cm ;積雪日數(shù)誤差不超過9d,誤差在1d以內(nèi)的占78.5%;雪災等級評估的準確率約為84%。
本文基于最高、最低氣溫建立了藏北草原融雪率預報方程,利用業(yè)務天氣預報產(chǎn)品和氣候平均狀況建立了積雪深度預報方法,并在此基礎(chǔ)上建立了雪災等級的評估。由于重點考慮了方法的業(yè)務應用,因此對積雪融化速度的預報上沒有結(jié)合風速、日照、相對濕度、地溫等其他影響因素,這在一定程度上可能影響了積雪融化預報的準確率。更重要的是,由于目前定量降水及降雪—積雪深度轉(zhuǎn)換的預報準確率不高,因此本文沒有考慮起報日后的新降雪對雪災等級的影響,這在一定程度上影響了預報產(chǎn)品的服務效果。在服務過程中,根據(jù)中、長期預報(定性)結(jié)論,由預報和服務值班人員對今后的天氣狀況進行描述,以修正此缺陷,如何提高產(chǎn)品的定量程度和準確度還有待進一步的研究。
[1] 劉光軒. 中國氣象災害大典—西藏卷. 北京: 氣象出版社, 2008.
[2] 姚玉璧, 余優(yōu)森. 青藏高原東北邊緣牧區(qū)雪災的研究. 氣象, 1994,20(2): 47-51.
[3] 董文杰, 韋志剛, 范麗軍. 青藏高原東部牧區(qū)雪災的氣候特征分析. 高原氣象, 2001, 20(4): 402-406.
[4] 董安祥, 瞿章, 尹憲志, 等. 青藏高原東部雪災的奇異譜分析. 高原氣象, 2001, 20(2): 214-219.
[5] 馬林, 馬元倉, 王文英, 等. 青藏高原東部牧區(qū)秋季雪災天氣的形成及預報. 高原氣象, 2001, 20(4): 407-414.
[6] 馬林, 張青梅, 趙春寧, 等. 青藏高原的東部牧區(qū)春季雪災天氣的形成及其預報. 自然災害學報, 2003, 12(3): 61-68.
[7] 梁瀟云, 錢正安, 李萬元. 青藏高原東部牧區(qū)雪災的環(huán)流型及水汽場分析. 高原氣象, 2002, 21(4): 359-367.
[8] 周陸生, 李海紅, 汪青春. 青藏高原東部牧區(qū)大-暴雪過程及雪災分布的基本特征. 高原氣象, 2000, 19(4): 450-458.
[9] 時興合, 李生辰, 李棟梁, 等. 青海南部冬季積雪和雪災變化. 氣候變化研究進展, 2007, 3(1): 36-40.
[10] 李彰俊, 宮春寧, 姜學恭, 等. 風寒指數(shù)的修訂及其在暴風雪災害評估中的應用. 氣象, 2007, 33(S1): 3-9.
[11] 周秉榮, 申雙和, 李鳳霞. 青海高原牧區(qū)雪災綜合預警評估模型研究. 氣象, 2006, 32(9): 106-110.
[12] 林建, 范蕙君. 內(nèi)蒙古雪災監(jiān)測方法研究. 氣象, 2003, 29(1):27-31.
[13] 宮德吉, 李彰俊. 內(nèi)蒙古暴風雪災害及其形成過程. 氣象, 2001,27(8): 19-23.
[14] 姚筠, 馬曉群, 許瑩, 等. 2008年安徽省雪災農(nóng)業(yè)影響定量評估研究. 氣象, 2010, 36(1): 85-90.
[15] 馬虹, 劉一峰, 胡汝驥. 天山季節(jié)性積雪的能量平衡研究和融雪速率模擬. 地理研究, 1993, 12(1): 87-93.
[16] 陳肖柏, 張永萍. 南極長城站積雪及其消融過程. 南極研究,1991, 3(3): 8-14.
[17] 車宗璽, 金銘, 張學龍, 等. 祁連山不同植被類型對積雪消融的影響. 冰川凍土, 2008, 30(3): 392-397.
[18] 周秉榮, 李鳳霞, 申雙和, 等. 青海高原雪災預警模型與GIS空間分析技術(shù)應用. 應用氣象學報, 2007, 18(3): 373-379.
[19] 韓海東, 王建, 王欣, 等. 科其喀爾冰川表漬區(qū)冰崖消融的度日因子研究. 冰川凍土, 2009, 31(4): 620-627.
[20] 柯丹, 汪玲玲, 牛生杰, 等. 基于常規(guī)氣象資料融雪模式的建立及應用. 大氣科學學報, 2010, 33(5): 555-560.
[21] 方乾, 于波, 沈樹勤, 等. 新一代天氣預報業(yè)務流程. 北京: 氣象出版社, 2001.
[22] 章國材, 矯梅燕, 李延香, 等. 現(xiàn)代天氣預報技術(shù)和方法. 北京: 氣象出版社, 2007.
[23] 張存杰, 董安祥. 對T63L16所作月延伸預報準確率的評估. 氣象,1998, 24(10): 38-42.
[24] 穆海振, 徐家良. 卡爾曼濾波方法在動力延伸預報產(chǎn)品釋用中的應用. 氣象, 2000, 26(7): 20-22.
[25] 林紓, 李維京, 陳麗娟. 月動力延伸預報產(chǎn)品在甘肅省的釋用及評估. 氣象, 2004, 30(10): 22-26.
[26] 丁一匯, 梁萍. 基于MJO的延伸預報. 氣象, 2010, 36(7): 111-122.
[27] 錢維宏. 中期:延伸期天氣預報原理. 北京: 科學出版社, 2012.
[28] 矯梅燕, 龔建東, 周兵, 等. 天氣預報的業(yè)務技術(shù)進展. 應用氣象學報, 2006, 17(5): 594-602.
[29] 羅興宏. 那曲冬季雪災天氣的500hPa形勢場的客觀分型. 氣象,1995, 21(1): 40-43.
[30] 王雨, 閆之輝. 2004年汛期主客觀降水預報檢驗. 熱帶氣象學報,2006, 22(4): 331-339.
[31] 假拉, 杜軍, 邊巴扎西. 西藏氣象災害區(qū)劃研究. 北京: 氣象出版社, 2008.
Snowstorm Intensity Assessment in the Grassland over Northern Tibetan Plateau Based on Daily Snow Depth Forecasting
Lin Zhiqiang1, Lu Hongya1, Ma Yanxian2
(1 Climate Center of Tibet Autonomous Region, Lhasa 850000 2 Weather Service Center of Tibet Autonomous Region, Lhasa 850000 )
The relationship between snow melting rate (SMR) and temperature is analyzed by using ground observation data during the winter half year from current November to the next April in years from 1980 to 2007, at 13 weather stations over the Northern Tibetan Plateau. The daily products of snow cover days, snow depth and snowstorms intensity level are offered based on the linear regression model between SMR and the maximum temperature, minimum temperature. This method may be applied to assessing the snowstorm severity on time, and providing quantitative products in meteorology for the grassland snowstorm. In assessments for three winter half years of 2008-2009, 2009-2010 and 2010-2011, the averaged absolute forecast-error of daily snow depth is less than 2cm for 1-15 days; of snow cover days is less than 9d, of which 78.5% errors are not more than 1 day; of the accuracy of snowstorms intensity level is about 84%. So, it has a better forecast function for the snow disaster assessment in the Northern Tibet. The defect is that no consideration of the new snow cover for the later snowfall, because there is no accurately quantitative snowfall forecasting products.
the grassland of Northern Tibetan Plateau, snow cover days, snow melting rate, snowstorm intensity assessment
10.3969/j.issn.2095-1973.2016.05.004
2014年7月25日;
2014年9月4日
林志強(1982—),Email: linzq82@gmail.com
資助信息: 公益性行業(yè)(氣象)科研專項(GYHY201106005);中國氣象局新技術(shù)推廣項目(CMATG2010M25)
Advances in Meteorological Science and Technology2016年5期