楊 洋，柯莉萍，聶 祥，張成剛，張宗笛，施倩雯

(1.貴州省織金縣氣象局，貴州 織金 552100；2.貴州省威寧彝族回族苗族自治縣氣象局，貴州 威寧 553100；3.貴州省畢節(jié)市氣象局，貴州 畢節(jié) 551700；4.貴州省大方縣氣象局，貴州 大方 551600；5.貴州省金沙縣氣象局，貴州 金沙 551800)

0 引言

降水是影響人民生產(chǎn)生活的主要天氣，近年來，全球變暖導(dǎo)致極端天氣增多，畢節(jié)市暴雨天氣頻發(fā)，強(qiáng)降水誘發(fā)的城市內(nèi)澇、山洪、泥石流等次生災(zāi)害常常威脅到人們的生命財(cái)產(chǎn)安全，因此降水天氣預(yù)報(bào)尤為重要，對暴雨天氣預(yù)報(bào)的準(zhǔn)確性更是提出了更高的要求。

大氣可降水量(precipitable water vapor,PWV)是指單位面積空氣柱里含有的水汽的總數(shù)量，也稱為可降水量。它對應(yīng)于空氣中的水分全部凝結(jié)成雨、雪降落(把空氣擠得一點(diǎn)水分都沒有)所能形成的降水量。大氣水汽是產(chǎn)生各種災(zāi)害天氣的重要參數(shù)，它的時(shí)空分布、相變產(chǎn)生的潛熱釋放等，對大氣垂直穩(wěn)定度和天氣系統(tǒng)的發(fā)展和演變起著決定性作用。強(qiáng)烈的對流天氣配合充足的水汽容易引發(fā)強(qiáng)降水天氣，所以大氣可降水量也被認(rèn)為是衡量大氣水汽條件好壞以及判斷暴雨天氣是否發(fā)生的重要指標(biāo)。因此探討地面溫度露點(diǎn)反算大氣可降水量在降雨預(yù)報(bào)中的應(yīng)用研究，為暴雨天氣預(yù)報(bào)提供重要的方法，具有十分重要的實(shí)際意義。畢節(jié)地形復(fù)雜，西高東低，暴雨天氣過程具有明顯的突發(fā)性和局地性，通過研究PWV與暴雨天氣過程的關(guān)系，有望提高降水預(yù)報(bào)準(zhǔn)確率。陳聰?shù)壤盟拇℅PS 觀測網(wǎng)數(shù)據(jù)資料和GAMIT軟件解算來反演大氣可降水量，研究表明，GPS反演出的大氣可降水量對暴雨的臨近預(yù)報(bào)具有較好的指示意義；秦鑫等通過降水樣本擬合的方式探究遼寧地區(qū)大氣可降水量閾值與降水的關(guān)系，結(jié)果顯示PWV在降水預(yù)報(bào)方面具有一定的應(yīng)用價(jià)值；強(qiáng)安豐等選用歐洲中心經(jīng)、緯向水汽通量和大氣可降水量資料，采用IDW等方法探究三江源區(qū)大氣可降水量時(shí)空分布特征及其與降水的關(guān)系；于立等利用NCEP/NCAR月平均再分析資料和降水資料，分析了山西地區(qū)整層大氣可降水量以及實(shí)際降水量變化特征，結(jié)果顯示，大氣可降水量月季變化明顯，其年變化與實(shí)際降水量年變化也不盡相同；程航等選取大連市3次降水天氣過程，利用地基GPS/MET觀測網(wǎng)大氣可降水量數(shù)據(jù)進(jìn)行研究，分析了大氣可降水量與降水量、水汽輸送的關(guān)系；柯莉萍等利用貴州省貴陽、威寧探空觀測數(shù)據(jù)及地面觀測數(shù)據(jù)，采用數(shù)值積分法、最小二乘法對2站的大氣加權(quán)平均溫度進(jìn)行計(jì)算，建立貴州省月、季度、年的大氣加權(quán)平均溫度本地化模型；王根等基于GPS/PWV資料，對安徽省大氣中水汽的時(shí)空分布特征進(jìn)行分析，研究表明，GPS/PWV平均值和地形高度變化存在正相關(guān)；洪瀟宇利用MICAPS常規(guī)資料，對赤峰市14個(gè)國家站的實(shí)際降水量與大氣可降水量進(jìn)行相關(guān)性分析，研究表明，局地較大的大氣可降水量與該地降水量之間沒有明顯的對應(yīng)關(guān)系，而范圍性大氣可降水量增加至較大值對暴雨預(yù)報(bào)有一定的指示意義。

1 資料與方法

1.1 資料

本文選取2005—2019年畢節(jié)市8個(gè)國家站的269個(gè)暴雨天氣過程及其發(fā)生前24 h的經(jīng)過質(zhì)控的地面露點(diǎn)溫度資料和2020年23個(gè)暴雨天氣過程資料。

1.2 方法

采用楊景梅等的露點(diǎn)法建立畢節(jié)8個(gè)國家站的(PWV)關(guān)系模型，柯莉萍等利用探空法與露點(diǎn)法反算的(PWV)進(jìn)行研究對比表明，該方法可應(yīng)用于(PWV)的反演中。地面露點(diǎn)法計(jì)算大氣可降水量經(jīng)驗(yàn)公式如下：

(1)

′ = 002+-

(2)

′ = 0062exp(0036+ 012)-

(3)

=exp(-1975+3983+0400)

(4)

(5)

=00

(6)

(7)

(1)～(7)式中為大氣可降水量，單位：mm;為露點(diǎn)溫度,單位：℃；′、′為經(jīng)驗(yàn)系數(shù)；為海拔高度，單位：km;為地理緯度。

2 大氣可降水量與地面露點(diǎn)模型

利用公式(1)～(7)及表1中各國家站的緯度、海拔高度計(jì)算得出各站的經(jīng)驗(yàn)系數(shù)′、′，建立大氣可降水量與地面露點(diǎn)的關(guān)系模型(表2)。

表1 畢節(jié)各國家站的緯度和海拔高度

表2 畢節(jié)各國家站的經(jīng)驗(yàn)系數(shù)、大氣可降水量模型

3 畢節(jié)暴雨P(guān)WV閾值指標(biāo)及時(shí)間提前量

3.1 畢節(jié)暴雨P(guān)WV閾值指標(biāo)

統(tǒng)計(jì)分析畢節(jié)市各國家站在2005—2019年間269個(gè)暴雨天氣過程中PWV與降水強(qiáng)度之間的關(guān)系，發(fā)現(xiàn)在不同月份降雨過程開始持續(xù)上升并超過一定閾值時(shí)，有暴雨天氣發(fā)生，大多數(shù)的強(qiáng)降水發(fā)生在PWV達(dá)到閾值的0～12 h內(nèi);當(dāng)PWV達(dá)到峰值開始下降時(shí)，多數(shù)降水過程隨之在此后的幾小時(shí)內(nèi)結(jié)束。基于2005—2019年畢節(jié)各站暴雨天氣及露點(diǎn)資料，利用統(tǒng)計(jì)分析等方法建立各站每月發(fā)生強(qiáng)降水前12 h內(nèi)PWV閾值指標(biāo)(表3)。

表3 畢節(jié)各國家站PWV在強(qiáng)降水中的閾值指標(biāo)(單位：mm)

由于畢節(jié)市暴雨分布不均勻，4月、10月發(fā)生暴雨的幾率較小，部分縣區(qū)沒有PWV在強(qiáng)降水中的閾值指標(biāo)，4月僅黔西存在PWV閾值指標(biāo)，與黔西其他各月相比較，4月閾值指標(biāo)最低。

通過表3可以看出，大氣可降水量(PWV)與海拔存在負(fù)相關(guān)，海拔最高的威寧在各月的PWV閾值最低，海拔最低的金沙平均值最大。結(jié)合圖1分析PWV均值，其單峰型特征明顯，以7月閾值最高即為峰值，分別向兩邊延伸遞減，4月與10月、5月與9月、6月與8月閾值均相近，兩兩沿7月閾值遞減呈現(xiàn)對稱分布。整個(gè)畢節(jié)市的平均PWV閾值在40.0～52.2mm之間，而各站均有不同，PWV閾值單峰型特征顯著，夏季(6—8月)閾值相對其他月份較高。

3.2 畢節(jié)暴雨P(guān)WV時(shí)間提前量

每月大氣可降水量(PWV)的差異較為明顯，在降水的強(qiáng)度、性質(zhì)等方面均不相同，各站每月PWV達(dá)到閾值指標(biāo)后出現(xiàn)降水的時(shí)間不同。當(dāng)PWV達(dá)峰值后開始波動減小，隨后測站出現(xiàn)降水，將峰值出現(xiàn)的時(shí)刻與降水開始的時(shí)刻的差值作為PWV峰值相對降水開始時(shí)間的提前量。

表4為2005—2019年畢節(jié)各站PWV峰值相對降水開始的平均時(shí)間提前量分布統(tǒng)計(jì)情況。從表中看出，PWV峰值多出現(xiàn)于降水之前，占88%；與降水同步發(fā)生的情況占8%，PWV峰值滯后出現(xiàn)的僅七星關(guān)9月。根據(jù)平均值V(即區(qū)域逐月平均提前量)可知，畢節(jié)市4—10月的時(shí)間提前量在1.7～5.7 h之間，10月的暴雨天氣持續(xù)時(shí)間長，強(qiáng)度相對較小，大氣可降水量累積耗時(shí)長，PWV峰值超前降水發(fā)生的時(shí)間較長。由平均值V(即各站平均提前量)可知，各站的時(shí)間提前量在1.7～4.4 h之間，其中大方站時(shí)間提前量最小，金沙站的時(shí)間提前量最大，七星關(guān)站與威寧站的時(shí)間提前量相同。

表4 畢節(jié)各國家站PWV峰值相對降水開始時(shí)間提前量(單位：h)

4 暴雨天氣過程PWV與強(qiáng)降水關(guān)系個(gè)例分析

畢節(jié)市暴雨天氣過程出現(xiàn)在4—10月，主要集中發(fā)生于6—8月。以織金縣2020年7月6—8日1次暴雨天氣過程(圖1)為例，對PWV暴雨閾值指標(biāo)和時(shí)間提前量進(jìn)行探討。本次過程降水為89.3 mm，最大小時(shí)雨強(qiáng)為42.6 mm·h，PWV在降水開始前24 h內(nèi)略微有下降趨勢，7日10時(shí) PWV為52.5 mm，之后開始緩慢增長，在接近降水發(fā)生時(shí)，存在2次較為明顯的躍增現(xiàn)象。由表3可知，織金縣7月暴雨天氣的閾值指標(biāo)PWV為56.1 mm，在上升過程中，PWV在7日19時(shí)達(dá)58.2 mm，此時(shí)PWV已大于7月的大氣可降水量閾值指標(biāo)，隨后繼續(xù)增長，于7日21時(shí)增至峰值61.2 mm，平均增幅1.5 mm·h，同時(shí)降水開始，PWV峰值與降水同時(shí)出現(xiàn)，時(shí)間提前量為0，PWV急速驟降，于7日23時(shí)降至最低值48.5 mm，平均降幅2.4 mm·h，與此同時(shí)，降水強(qiáng)度達(dá)最大值42.6 mm·h，之后PWV略有回升后緩慢減小，降水強(qiáng)度也逐漸減小。

圖1 織金縣2020年7月6—8日PWV與降水量時(shí)間變化

從以上織金單站的個(gè)例分析來看，本文所探究的PWV在強(qiáng)降水發(fā)生前12 h的閾值指標(biāo)對畢節(jié)市的暴雨預(yù)報(bào)具有重要的指示意義。

5 CSI評分與預(yù)報(bào)檢驗(yàn)

定義PWV從曲線谷底上升并超過閾值指標(biāo)后到達(dá)峰值，然后下降并低于該閾值的時(shí)間為PWV變化的1次過程，在這過程中發(fā)生的所有降水作為1次降水過程。PWV從谷底上升并超過閾值開始預(yù)報(bào)將有暴雨發(fā)生。若實(shí)況有累積降水量大于50 mm以上的降水發(fā)生，視為預(yù)報(bào)正確；若沒有發(fā)生暴雨，視為空報(bào)；若在PWV低于閾值指標(biāo)的時(shí)段內(nèi)發(fā)生1次暴雨天氣則視為漏報(bào)。

定義試報(bào)結(jié)果的評分標(biāo)準(zhǔn)為任務(wù)成功指數(shù)(critical success index)、準(zhǔn)確率和空報(bào)率：

(8)

(9)

(10)

其中，是達(dá)閾值指標(biāo)且發(fā)生強(qiáng)降水的次數(shù)，是未達(dá)到閾值指標(biāo)且未發(fā)生強(qiáng)降水的次數(shù)(描述PWV波動頻次，即谷底到最高值間相差3 mm以上作為1次波動)，是未達(dá)到閾值但強(qiáng)降水發(fā)生的次數(shù)，稱為漏報(bào)次數(shù)，是達(dá)到閾值但強(qiáng)降水未發(fā)生的次數(shù)，即空報(bào)次數(shù)。

選取畢節(jié)2020年4—10月降水資料及地面露點(diǎn)資料，利用PWV閾值指標(biāo)和時(shí)間提前量對其逐日預(yù)報(bào)進(jìn)行CSI評分檢驗(yàn)。

從表中CSI的評分結(jié)果來看，畢節(jié)各站在2020年出現(xiàn)暴雨的月份CSI值較高，閾值預(yù)報(bào)的結(jié)果較好，CSI評分在0.25～1之間，預(yù)報(bào)效果最好的是金沙、赫章9月的暴雨閾值指標(biāo)。根據(jù)準(zhǔn)確率的結(jié)果分析可知，各站整體準(zhǔn)確率高，均在90%以上，黔西9月的預(yù)報(bào)準(zhǔn)確率最低，也有92.3%。根據(jù)空報(bào)率來看，均低于10%，其中金沙5月的空報(bào)率最高，為8.11%，暴雨閾值指標(biāo)預(yù)報(bào)效果優(yōu)良。

根據(jù)畢節(jié)全市總體情況分析來看，為0.22，為96.32%，為3.65%，CSI評分較高，準(zhǔn)確率高，空報(bào)率小，本文建立的暴雨閾值指標(biāo)可用性高，對畢節(jié)市的暴雨天氣預(yù)報(bào)有較好的指示作用。

6 結(jié)論與討論

本文基于畢節(jié)市8個(gè)國家站海拔高度、暴雨天氣與地面露點(diǎn)等氣象資料，建立各站大氣可降水量數(shù)據(jù)模型，對其特征進(jìn)行分析和應(yīng)用研究。結(jié)果顯示：

①畢節(jié)PWV及時(shí)間提前量隨海拔高度的變化而變化，海拔最低的金沙PWV均值最大，海拔最高的威寧PWV均值最小。

②畢節(jié)市大氣可降水量月變化特征均表現(xiàn)為先增加后減少的單峰型特征，其主要降水過程與PWV峰值對應(yīng)，短時(shí)強(qiáng)降水出現(xiàn)前后每一次水汽的激增均對應(yīng)一次降水過程和最大降水強(qiáng)度的出現(xiàn)，表明了足夠的水汽含量是造成降水的必要條件。

③PWV峰值出現(xiàn)的時(shí)間比最大雨強(qiáng)出現(xiàn)時(shí)間早1～3 h左右；最大雨強(qiáng)出現(xiàn)前6 h，PWV平均增幅在1 mm以上，PWV增幅大小決定了降水過程中雨強(qiáng)的強(qiáng)弱，這對短時(shí)強(qiáng)降水開始時(shí)間有較好的預(yù)報(bào)指導(dǎo)意義，而PWV增幅的大小對短時(shí)強(qiáng)降水的量級預(yù)報(bào)有較好的指示作用，PWV增幅與雨強(qiáng)之間存在一定的正相關(guān)。

④對PWV閾值及時(shí)間提前量進(jìn)行CSI評分檢驗(yàn)，結(jié)果表明，強(qiáng)降水預(yù)報(bào)準(zhǔn)確率高，空報(bào)率低。

⑤當(dāng)大氣可降水量過小時(shí)，降水很難發(fā)生；大氣可降水量代表某一地區(qū)單位面積上空整層大氣的水汽全部凝結(jié)并降至地面的降水量，但不能作為1次降水天氣的降水量上限，因?yàn)榇髿饪山邓坎⒉荒芤淮涡匀哭D(zhuǎn)化為降水量，這涉及到大氣可降水量的轉(zhuǎn)化率問題。

⑥根據(jù)表5來看，任務(wù)成功指數(shù)并不太理想，且空報(bào)次數(shù)較多。這是由于大氣可降水量僅作為強(qiáng)降水發(fā)生的充分不必要條件，影響強(qiáng)降水發(fā)生的條件除了水汽之外還有很多別的因素，如能量、抬升條件等，PWV僅能表述強(qiáng)降水發(fā)生的某一方面，并不能囊括所有發(fā)生強(qiáng)降水的可能，單一討論P(yáng)WV在強(qiáng)降水預(yù)報(bào)的準(zhǔn)確率存在一定的局限性，此后還需要更詳細(xì)的研究探索。

表5 PWV閾值預(yù)報(bào)2020年畢節(jié)市強(qiáng)降水過程的評分結(jié)果