趙玉娟,路亞奇,張洪芬,張可心,周忠文,劉 英
(慶陽市氣象局,甘肅 慶陽 745000)
短時暴雨是夏季常見的一種災害性天氣[1],具有歷時短、強度大、落區(qū)分散、危害嚴重等特點,易引發(fā)城市洪澇、山體滑坡、泥石流等次生衍生災害[2-3]。甘肅河東受西風帶天氣系統(tǒng)、高原天氣系統(tǒng)及東亞夏季風系統(tǒng)共同影響,是氣候變化的敏感區(qū)[4],且地形復雜、土質(zhì)疏松、海拔落差大,山體滑坡、泥石流和土壤侵蝕等次生地質(zhì)災害頻發(fā)。近年來,多次出現(xiàn)由短時暴雨引發(fā)的洪澇災害,造成了較大的經(jīng)濟損失甚至人員傷亡,研究表明甘肅省由暴洪造成的經(jīng)濟損失呈增加趨勢[5]。如:“2013 年7 月13—14日”慶陽市環(huán)縣樊家川短時暴雨造成突發(fā)山洪,致使2 人死亡,6 人失蹤,1 人受傷;“2018 年7 月18—23 日”臨夏州東鄉(xiāng)縣多次出現(xiàn)短時暴雨,造成13 人死亡,3 人失蹤,45 人受傷。可見,短時暴雨在甘肅河東致災性特別強,因而受到學者們普遍關注。
關于短時暴雨的研究大多基于實況、雷達、云圖資料進行分析,如張丹梅等[6-7]分析了阜新地區(qū)及陜西秦嶺北麓短時暴雨特征;鄧秋華等[8]按照暴雨云團的不同觸發(fā)條件,建立了5種云團概念模型;郭林等[9]以天氣影響系統(tǒng)為分類標準,將短時暴雨分為3大類型;陳秋萍等[10]以天氣類型為基礎,建立了閔中北短時暴雨概念模型;孫瑩等[3]結合雷達回波特征建立了桂林短時暴雨的概念模型;還有學者結合中尺度雷達回波形態(tài),提出了短時暴雨臨近預報著眼點[11-12]。
近年來,數(shù)值天氣預報發(fā)展迅速,對日常預報有較大的指導作用,但應用中發(fā)現(xiàn)其對降水預報存在一定的誤差,如張君霞等[13]研究發(fā)現(xiàn),ECMWF及GRAPES-GFS模式對青藏高原東北側(cè)暴雨落區(qū)位置預報均較實況偏西偏北等,為了減少預報誤差,一些氣象工作者采用統(tǒng)計方法對模式的定量降水預報進行了訂正,其對中雨以下量級的降水有一定的改善,但對強降水預報的訂正不理想[14-19]。隨著多源資料的廣泛應用,一些學者通過個例分析,獲得對當?shù)囟虝r暴雨預報有指導意義的參數(shù)特征及參數(shù)閾值[20-22],但均是針對雷達、云圖、動力某一方面的參數(shù)進行研究,并沒有對多種參數(shù)進行綜合評價,且研究中發(fā)現(xiàn)不同地區(qū)、不同季節(jié)短時暴雨對大氣環(huán)境參數(shù)的敏感度不同,每種參數(shù)所起的作用也不同,可見單一的參數(shù)閾值不能表征強對流天氣發(fā)生的環(huán)境條件[23]。因此,綜合評價多種環(huán)境參數(shù)在強對流天氣預報中得到應用。Kuk等[24-25]采用模糊邏輯法建立了韓國、臺灣的雷電預報技術;馬清云等[26]應用模糊綜合評價法得出臺風影響的災情分級及評價系數(shù);陳新建等[27]在地質(zhì)災害風險評價中采用了模糊偏差矩陣法并取得了很好的效果。
本文基于模糊數(shù)學理論,利用顯著性和適度性指標評價方案,針對數(shù)值天氣預報對甘肅河東短時暴雨預報存在的誤差問題,采用EC 細網(wǎng)格再分析資料和歷史短時暴雨個例,優(yōu)選多種參數(shù),確定不同時段短時暴雨的大氣環(huán)境參數(shù)權重及預報方程,為短時暴雨預報提供科學參考。
甘肅河東占地面積1.78×105km,處于32.52°~37.70°N、100.73°~108.73°E之間,主要包括蘭州、定西、白銀、甘南、臨夏、隴南、天水、平?jīng)觥c陽9 個市州,位于青藏高原、內(nèi)蒙古高原、黃土高原的交匯地帶[28],是我國西北干旱區(qū)、東部季風區(qū)與青藏高原高寒區(qū)的交界地帶,自西南向東北海拔高度逐漸降低[29],地形復雜、土質(zhì)疏松、海拔落差大、生態(tài)環(huán)境脆弱,強降水天氣多發(fā),滑坡、泥石流和土壤侵蝕等次生地質(zhì)災害頻發(fā)[30]。
本文所用降水資料選自甘肅河東2272個國家、區(qū)域自動氣象站,2013—2018年6—8月小時降水量資料;大氣環(huán)境參數(shù)采用同時段ECMWF 再分析資料,時間間隔3 h,空間分辨率為0.25°×0.25°,范圍為32.25°~37.75°N,100°~109°E。
短時暴雨尚無統(tǒng)一標準,有學者采用“暴雨橙色、紅色預警信號”標準定義短時暴雨和短時大暴雨[31],也有學者將3 h滑動累計雨量≥50 mm定義為短時暴雨[32],由于甘肅河東各月地面植被覆蓋率不同,不同降水強度對地面徑流的影響也不相同,故而各月的標準也應不同,本文根據(jù)翟盤茂等[33]對極端短時強降水的定義,經(jīng)過研究致災性及地表徑流形成條件,并參考大量歷史個例,逐月小時降水量從小到大排序,將99%分位處的降水量定義為該月的短時暴雨標準,經(jīng)計算甘肅河東短時暴雨標準為:6 月降水量16.6 mm·h-1、7 月19.1 mm·h-1、8 月23.1 mm·h-1。
利用甘肅河東2013—2018 年6—8 月逐小時降水量資料,按照上段得出的短時暴雨標準,挑選出短時暴雨5857 站次,選擇≥5 站次的過程作為研究對象,經(jīng)過篩選有92 個短時暴雨過程,共3076站次。
分析2013—2018 年6—8 月短時暴雨發(fā)生頻次(圖1)看出,短時暴雨發(fā)生頻次分布不均,整體看東部及南部偏多,北部偏少。其頻次大值區(qū)出現(xiàn)在迭部舟曲交界處的岷山山區(qū),達50 站次,其次是隴南東南部與陜西漢中盆地接壤地區(qū),為32站次,平?jīng)?、慶陽及甘南州在5~11站次之間,其余市州發(fā)生頻次較少。
圖1 2013—2018年甘肅河東短時暴雨發(fā)生頻次Fig.1 Frequency of short-duration rainstorm in Hedong of Gansu Province from 2013 to 2018
甘肅河東短時暴雨旬頻次分布(圖2)顯示,其整體趨勢呈“單峰”型,6 月上旬頻次逐漸增加,7 月下旬達到最多,8月中旬開始逐漸減小。其中7月下旬至8月上旬發(fā)生頻次最多,為頻發(fā)期,這與西北地區(qū)東部“七下八上”的強降水頻發(fā)期基本一致,由于西北地區(qū)東部夏季雨帶推進與副熱帶高壓脊線北跳及南撤相關,文中根據(jù)氣候規(guī)律,以副熱帶高壓脊線越過30°N為依據(jù),將甘肅河東短時暴雨分為副高北抬期(6 月上旬至7 月中旬)、滯留期(7 月下旬至8月上旬)、南撤期(8月中旬至下旬)3個時段,以下分析按此氣候時段研究,簡稱“北抬期”、“滯留期”、“南撤期”。
圖2 甘肅河東短時暴雨逐旬分布Fig.2 Distribution of short-term rainstorm in Hedong of Gansu Province by ten days
表征強對流天氣的大氣環(huán)境參數(shù)種類多,其代表的物理意義各不相同,且單一的參數(shù)不能完全表征短時暴雨發(fā)生的可能。因此,本文從51個大氣環(huán)境參數(shù)中優(yōu)選出指示意義較好的熱力、動力、不穩(wěn)定、水汽等參數(shù)。根據(jù)ECMWF再分析資料,計算得出2013—2018年汛期各參數(shù)的格點值,并對其進行逐時段和區(qū)域平均,得出甘肅河東參數(shù)的氣候平均值(表1),分析發(fā)現(xiàn)強天氣指數(shù)及深對流指數(shù)滯留期最大,總指數(shù)和500 hPa 與850 hPa 垂直風切變北抬期最大,這是因為副熱帶高壓北抬時與北方冷空氣頻繁交匯,層結不穩(wěn)定,對流活躍所致,其余參數(shù)氣候平均值均在南撤期最大,這與該地區(qū)南撤期受偏南暖濕氣流控制,高能、高濕的環(huán)境條件有關。
表1 2013—2018年甘肅河東各時段部分參數(shù)平均值Tab.1 Average values of some parameters at different time periods in Hedong of Gansu Province from 2013 to 2018
采用雙線性插值法,選擇各站點經(jīng)緯度臨近≤0.25°的格點,作為該站點的格點值,將站點值插值到格點上,挑選出各站點短時暴雨臨近時刻≤0.25°的格點參數(shù)值,對該值進行逐時段及區(qū)域平均,得出甘肅河東短時暴雨臨近時刻參數(shù)平均值(表2),分析表明,短時暴雨臨近時刻,北抬期、南撤期500 hPa 與850 hPa 垂直風切變及抬升指數(shù)比氣候平均值小,對該地區(qū)短時暴雨表征不明顯,K 指數(shù)、700 hPa 相對濕度、大氣可降水量等值明顯大于氣候平均值,對該地區(qū)短時暴雨有較好的指示意義。
表2 2013—2018年甘肅河東短時暴雨發(fā)生臨近時刻部分參數(shù)平均值Tab.2 Average values of some parameters at the near time of short-term heavy rain in Hedong of Gansu Province from 2013 to 2018
表征強對流天氣的大氣環(huán)境參數(shù)種類多,其代表的物理意義各不相同,加之甘肅河東地形地貌復雜,海拔落差大,因此單一的參數(shù)難以表征短時暴雨的特征,本文初步選取51個參數(shù),通過數(shù)據(jù)優(yōu)選,去除短時暴雨發(fā)生時特征不明顯的參數(shù),再從意義相近的參數(shù)中優(yōu)選出一種來研究,最終篩選出28個參數(shù)作為待評價方案(表3)。即:
表3 大氣環(huán)境參數(shù)Tab.3 Atmospheric environment parameters
式中:n為待選大氣環(huán)境參數(shù),n=28。
在不同的地表特征及氣候背景下,大氣環(huán)境參數(shù)對短時暴雨的作用不同,要想從28個參數(shù)中選出對甘肅河東短時暴雨有關鍵指示作用的參數(shù),需考慮反映環(huán)境大氣異常的顯著性及短時暴雨發(fā)生時參數(shù)自身變化的適度性為評價指標。
(1)顯著性:短時暴雨發(fā)生臨近時刻大氣環(huán)境參數(shù)值與對應時段氣候平均值的差值。
(2)適度性:短時暴雨發(fā)生臨近時刻大氣環(huán)境參數(shù)值與短時暴雨發(fā)生時平均值的差值。評價指標如下:
將X中的方案用Y中的指標來衡量,得到一個參數(shù)值矩陣,即所有大氣環(huán)境參數(shù)及2 種評價指標構成的待評價方案矩陣A,對各時段每種參數(shù)所有站次評價指標偏差及標準差平均后進入矩陣A。
式中:aij表示第i個方案關于第j項評價因素的指標值,i=1,…,n,參數(shù)順序參照表3,j=1,…,m,m=1為顯著性,m=2為適度性。
由于各大氣環(huán)境參數(shù)的單位和量綱不同,為了方便比較,采用極值法對其進行無量綱化及歸一化處理,如果參數(shù)值相對于氣候值盡可能的偏差大(顯著性明顯),而標準差卻又盡可能的小(適度性好),則說明該參數(shù)的效果好,得出矩陣R。
顯著性指標歸一化:
適度性指標歸一化:
式中:ai1表示第i個參數(shù)的顯著性;ai2表示第i個參數(shù)的適度性。
采用標準差系數(shù)法確定各評價指標的權重Vj。假如某個指標可以將大氣環(huán)境參數(shù)明顯區(qū)分,則該指標在此評價上信息量豐富,該指標的權重大;反之權重較小。公式為:
式中:Vj為第j項指標的標準差系數(shù);σj為第j項指標的標準差;-rj為第j項指標的平均值;j=1,…,m,m=2。通過該公式可以得出大氣環(huán)境參數(shù)評價指標的權重(表4)。
表4 評價指標權重Tab.4 Weight of evaluation index
分析表4 顯示,汛期適度性的權重均大于顯著性權重,說明適度性評價指標的信息豐富。
通過技術方案評價公式如下:
將建立的不同時段短時暴雨大氣環(huán)境參數(shù)權重應用于概率預報方程中,同時將得出的閾值進行匹配,建立不同時段概率預報方程。即:
式中:Pm為某格點某時短時暴雨發(fā)生概率;為根據(jù)EC細網(wǎng)格資料計算的28種參數(shù)值與對應區(qū)域內(nèi)對應時段的各參數(shù)歷史概率特征值比較后獲得大氣環(huán)境參數(shù)概率;WiC為對應上述h種參數(shù)的權重;m表示時段;i為參數(shù)個數(shù)。
分析大氣環(huán)境參數(shù)權重(表5)顯示,甘肅河東汛期不同時段短時暴雨發(fā)生時大氣環(huán)境參數(shù)權重排序不同,北抬期700 hPa 與500 hPa 假相當位溫差及700 hPa 水汽通量權重排序較前;滯留期熱力參數(shù)總指數(shù)、動力參數(shù)700 hPa 相對渦度、水汽參數(shù)850 hPa 露點溫度權重排序較前;南撤期動力參數(shù)850 hPa 垂直速度、水汽參數(shù)大氣可降水量、熱力參數(shù)K 指數(shù)權重排序較前。比較發(fā)現(xiàn),北抬期和滯留期700 hPa 與500 hPa 假相當位溫差權重排序均較前,北抬期和南撤期500 hPa 與850 hPa 垂直風切變權重排序均較前,其余參數(shù)各時段權重排序差異大。綜上所述,不同氣候時段預報短時暴雨時所考慮的大氣環(huán)境參數(shù)不同。
表5 大氣環(huán)境參數(shù)權重Tab.5 Weight of atmospheric environment parameters
實時運行08:00 及20:00 下發(fā)的EC 細網(wǎng)格基本預報產(chǎn)品及計算產(chǎn)品,進入短時暴雨概率預報方程,形成0.25°×0.25°格點逐小時概率預報產(chǎn)品(圖3a)。選擇2020 年8 月4 日強降水過程進行應用檢驗,概率在65%以上考慮有短時暴雨出現(xiàn),8 月4 日23:00時概率預報中短時暴雨主要出現(xiàn)在定西中部、慶陽東北部;與實況對比顯示,其對慶陽的短時暴雨落區(qū)預報基本準確,對定西的預報較實況略偏北,其對甘肅河東短時暴雨預報有一定的參考價值。
圖3 2020年8月4日23:00 1 h短時暴雨降水概率預報(a)及降水實況(b)Fig.3 Probability forecast of short-time rainstorm precipitation(a)actual precipitation(b)at 23:00 on 4 August 2020
利用甘肅河東2013—2018 年6—8 月逐小時降水量資料,采用百分位法確定了甘肅河東各月短時暴雨標準,并挑選出92 個短時暴雨個例,分析其特征得出如下結論:
(1)甘肅河東短時暴雨發(fā)生頻次分布不均,整體看東部、南部偏多,北部偏少,其旬分布頻次呈“單峰”型,7月下旬至8月上旬為頻發(fā)期。
(2)根據(jù)ECMWF再分析資料及短時暴雨個例,計算了部分大氣環(huán)境參數(shù)的氣候平均值及短時暴雨發(fā)生臨近時刻各大氣環(huán)境參數(shù)值分析表明,不同時段參數(shù)氣候均值及短時暴雨臨近時刻值均存在較大差異。
(3)采用相對偏差模糊距陣法,綜合評價多種大氣環(huán)境參數(shù)權重,建立短時暴雨概率預報方程分析顯示,甘肅河東汛期發(fā)生短時暴雨時,各時段大氣環(huán)境參數(shù)權重不同,預報時需考慮其所處時段大氣環(huán)境參數(shù)的權重。
(4)基于模糊數(shù)學理論,利用顯著性和適度性指標評價方案,構建了多種大氣環(huán)境參數(shù)的綜合評價方案,并建立了概率預報方程。