滇西北高原一次典型对流性大暴雨天气过程分析

doi:10.11755/j.issn.1006-7639-2026-03-0425

摘要/Abstract

摘要：

为探究滇西北高原对流性暴雨的触发机制，利用多源探测资料对2024年6月24日云南丽江市一次典型对流性暴雨过程进行诊断。结果表明：（1）此次过程主要受500 hPa副热带高压和滇缅高压之间的辐合区与700 hPa切变线共同影响，配合冷空气南下形成不稳定层结，为强降水提供了充足的动力条件和有利的环流背景。（2）大暴雨天气过程由局地生成的β中尺度、γ中尺度对流单体产生，对应雷达反射率因子最大达59.5 dBZ，速度图上存在速度模糊、涡旋、弱中气旋等特征。（3）暴雨水汽来源于孟加拉湾和南海，在地形辐合抬升作用下，丽江中部至东南部存在强水汽辐合区，强水汽辐合区与切变线位置对应良好；西南急流输送暖湿气流并增强低层辐合，高层西北急流通过抽吸作用加强上升运动，冷空气入侵进一步促进对流维持，强水汽聚集配合低层辐合、高层辐散的动力抬升条件，是局地大暴雨发生的主要原因。（4）丽江市南北走向山脉与地面辐合线共同作用，通过地形抬升和气流辐合触发并加强对流，成为此次大暴雨过程中对流持续触发和维持的重要因素，偏东气流对强对流发生具有较好的指示意义。（5）积状云降水回波中负闪峰值超前强降水约40 min，而积层混合云降水回波中则出现降水峰值提前现象。

关键词: 滇西北高原, 对流性大暴雨, 多源资料

Abstract:

In order to explore the triggering mechanism of convective rainstorms in the northwest plateau of Yunnan, this paper used multi-source detection data to diagnose a typical convective rainstorm process in Lijiang on June 24, 2024. The results show that: (1) This process was primarily influenced by the convergence zone between the subtropical high pressure and the Yunnan-Burma high pressure at 500 hPa, in conjunction with a shear line at 700 hPa, and combined with cold air moving southward, it formed an unstable atmospheric structure, providing sufficient dynamic condition and a favorable circulation pattern for heavy precipitation. (2) This heavy rainfall was caused by the β- and γ-mesoscale convective cells generated locally, corresponding to a maximum radar reflectivity of 59.5 dBZ, and there was velocity blurring on the velocity map, along with features such as vortices and weak mesocyclones. (3) The moisture of the heavy rainfall originated from the Bay of Bengal and the South China Sea. Under the influence of topographic convergence and lifting, a zone of strong moisture convergence existed from the central to the southeastern part of Lijiang, which corresponded well with the position of the shear line. The southwesterly jet stream transported warm and moist air and intensified low-level convergence, and the upper-level northwesterly jet stream strengthened upward motion through a suction effect. The intrusion of cold air further promoted the maintenance of convection. The strong water vapor accumulation combined with the dynamic uplift conditions of lower-level convergence and upper-level divergence was the main cause of the local heavy rainstorm. (4) The combined effect of the north-south trending mountain in Lijiang and the surface convergence line triggered and intensified convection through topographic lifting and airflow convergence, becoming an important factor in continuous triggering and maintenance of convection during this heavy rainfall event. An easterly airflow served as a reliable indicator for the occurrence of severe convection. (5) In the precipitation echoes of cumulus clouds, the negative flash peak occurred approximately 40 minutes ahead of the heavy precipitation, while in the precipitation echoes of stratiform mixed clouds, there was a phenomenon of a precipitation peak occurring earlier.

Key words: the northwest plateau of Yunnan, convective heavy rainstorm, multi-source data

中图分类号:

P458

张崇莉, 董自香, 马妍, 靳宗许, 杨锦涛, 秦香婷. 滇西北高原一次典型对流性大暴雨天气过程分析[J]. 干旱气象, 2026, 44(3): 425-436.

ZHANG Chongli, DONG Zixiang, MA Yan, JIN Zongxu, YANG Jintao, QIN Xiangting. Analysis of a typical convective heavy rainfall process in the northwest plateau of Yunnan Province[J]. Journal of Arid Meteorology, 2026, 44(3): 425-436.

图/表 11

图1 2024年6月23日20：00—24日20：00云南区域自动站累计降水量（a）和丽江市短时强降水、闪电落区（b）分布

Fig.1 The distribution of accumulated precipitation from regional automatic weather stations in Yunnan （a） and short-term heavy rainfall and lightning zones in Lijiang （b） from 20：00 on June 23 to 20：00 on 24 June 2024

图2 2024年6月23日08：00（a）、20：00（b）500 hPa风场（风矢，单位：m·s-1）、高度场（蓝色实线，单位：dagpm）、温度场（红色虚线，单位：℃）（蓝色圆点代表丽江站，下同）

Fig.2 The 500 hPa wind fields （wind vectors， Unit： m·s-1）， height fields （blue solid lines， Unit： dagpm） and temperature fields （red dashed lines， Unit： ℃） at 08：00 （a） and 20：00 （b） on 23 June 2024 （The blue dot represents Lijiang Station， the same as below）

图3 2024年6月23日08：00（a）、20：00（b）700 hPa风场（风矢，单位：m·s-1）、高度场（蓝色实线，单位：dagpm）、温度场（红色虚线，单位：℃）

Fig.3 The 700 hPa wind fields （wind vectors， Unit： m·s-1）， height fields （blue solid lines， Unit： dagpm） and temperature fields （red dashed lines， Unit： ℃） at 08：00 （a） and 20：00 （b） on 23 June 2024

图4 2024年6月23日20：00（a）、22：00（b）与24日00：00（c）、02：00（d）700 hPa水汽通量（矢量，单位：g·cm-1·hPa-1·s-1）和水汽通量散度（填色，单位：10-4 g·cm-2·hPa-1·s-1）

Fig.4 The water vapor flux （vectors， Unit： g·cm-1·hPa-1·s-1） and water vapor flux divergence （the color shaded， Unit： 10-4 g·cm-2·hPa-1·s-1） at 700 hPa at 20：00 （a） and 22：00 （b） on 23 June， 00：00 （c） and 02：00 （d） on 24 June 2024

图5 2024年6月23日08：00（a）、20：00（b）丽江站T-ln P图（黑色圆圈表示风速<2 m·s-1）

Fig.5 The T-ln P charts at 08：00 （a） and 20：00 （b） at Lijiang Station on 23 June 2024 （Black circles represent wind speed less than 2 m·s-1）

图6 2024年6月23日20：00（a）、22：00（b）与24日00：00（c）、02：00（d）700 hPa风场（矢量，单位：m·s-1）和垂直速度（填色，单位：Pa·s-1）

Fig.6 The wind fields （vectors， Unit： m·s-1） and vertical velocity （the color shaded， Unit： Pa·s-1） at 700 hPa at 20：00 （a）， 22：00 （b） on 23 June， and 00：00 （c）， 02：00 （d） on 24 June 2024

图7 2024年6月23日20：33（a、b）、22：06（c、d）、22：53（e、f）及24日00：26（g、h）丽江市多普勒雷达组合反射率（a、c、e、g，单位：dBZ）和1.5°仰角基本径向速度（b、d、f、h，单位：m·s-1）

Fig.7 The radar composite reflectivity factor (a, c, e, g, Unit: dBZ） and 1.5° elevation radial velocity (b, d, f, h, Unit: m·s-1) from Lijiang doppler weather radar at 20:33 (a, b), 22:06 (c, d), 22:53 (e, f) on 23 June and 00:26 (g, h) on 24 June 2024

图8 2024年6月23日20：33（a、e）、22：06（b、f）、22：53（c、g）与24日00：26（d、h）丽江天气雷达反射率（a、b、c、d，单位：dBZ）与径向速度（e、f、g、h，单位：m·s-1）剖面

Fig.8 The profiles of reflectivity factor （a， b， c， d， Unit： dBZ） and radial velocity （e， f， g， h， Unit： m·s-1） from Lijiang weather radar at 20：33 （a， e）， 22：06 （b， f）， 22：53 （c， g） on 23 June and 00：26 （d， h） on 24 June 2024

图9 2024年6月23日21：00—24日03：00丽江站风羽图（单位：m·s-1）

Fig.9 The wind barbs chart over Lijiang Station from 21：00 on June 23 to 03：00 on 24 June 2024 （Unit： m·s-1）

图10 2024年6月23日22：20—23：00牛窝子站（a）和24日00：00—02：00东山站（b）10 min雨量、负闪次数变化

Fig.10 The variation of 10-minute precipitation and number of negative lightning at Niuwozi Station from 22：20 to 23：00 on 23 June （a） and at Dongshan Station from 00：00 to 02：00 on 24 June （b） 2024

图11 2024年6月23日17：00（a）、23：00（b）和24日00：00（c）地面风场（单位：m·s-1）和辐合线（红色实线）

Fig.11 The ground wind fields （Unit： m·s-1） and convergence lines （solid red lines） at 17：00 （a）， 23：00 （b） on 23 June and 00：00 on 24 June （c） 2024

参考文献 29

[1]	贺哲, 王君, 栗晗, 等, 2020. 河南省一次副高边缘对流性暴雨的多尺度特征[J]. 干旱气象, 38(3): 423-432.
[2]	李华宏, 许彦艳, 王曼, 等, 2020. 低纬高原一次短时强降水过程的综合分析[J]. 云南大学学报:自然科学版, 42(3): 515-524.
[3]	李梦, 竹利, 张悦含, 2025. 四川盆地一次极端暴雨过程的演变及成因分析[J]. 干旱气象, 43(2): 242-253.
[4]	李永军, 徐金波, 李玄, 等, 2025. 四川南部一次局地暖区暴雨中尺度特征及成因[J]. 大气科学, 49(3): 664-680.
[5]	梁军, 贾旭轩, 张胜军, 等, 2025. 辽东半岛一次大暴雨过程触发和维持机制分析[J]. 干旱气象, 43(3): 435-449.
[6]	刘红武, 胡燕, 苏涛, 等, 2021. 2019年主汛期湖南两次致灾暴雨过程对比分析[J]. 高原气象, 40(5): 1 101-1 114.
[7]	柳龙生, 刘璐, 李英, 2025. 2023年7月一次华北极端暴雨的多尺度特征[J]. 大气科学, 49(3): 645-663.
[8]	鲁亚斌, 李华宏, 闵颖, 等, 2018. 一次云南强对流暴雨的中尺度特征分析[J]. 气象, 44(5): 645-654.
[9]	马志敏, 王将, 连钰, 等, 2023. 云南一次强对流暴雨天气学成因分析[J]. 干旱气象, 41(4): 629-638.
[10]	全国气象防灾减灾标准化技术委员会, 2012. 降水量等级:GB/T 28592—2012[S]. 北京: 中国标准出版社.
[11]	石延召, 刘维成, 傅朝, 等, 2024. 甘肃陇南两次暴雨天气过程对比分析[J]. 干旱气象, 42(1): 107-116.
[12]	王青霞, 唐明晖, 吴亚昊, 等, 2025. 基于多源观测资料的长沙“4·29”强对流天气过程分析[J]. 暴雨灾害, 44(3): 309-321.
[13]	魏庆, 周威, 吴容, 等, 2023. 盆地西部一次极端短时强降水过程的多源资料分析[J]. 高原山地气象研究, 43(2): 19-27.
[14]	解明恩, 段纬, 2022. 风雨彩云南:云南气象略论[M]. 昆明: 云南科技出版社: 10-14.
[15]	闫玮, 欧阳智, 王泳棋, 等, 2024. 2021年“7·20”河南特大暴雨水汽输送特征[J]. 兰州大学学报:自然科学版, 60(2): 143-150.
[16]	杨霞, 何清, 李圆圆, 等, 2023. 塔里木东风低空急流在南疆暴雨和非暴雨过程中的差异[J]. 大气科学, 47(6): 1 693-1 708.
[17]	杨秀梅, 孔祥伟, 王勇, 等, 2023. 一次干旱区极端暴雨天气的中尺度特征分析[J]. 高原气象, 42(4): 978-992.
[18]	袁凯, 庞晶, 李武阶, 等, 2023. 深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估[J]. 干旱气象, 41(1): 173-185.
[19]	袁薇, 高学浩, 2018. 天气雷达探测与应用[M]. 北京: 气象出版社.
[20]	张腾飞, 段旭, 张杰, 等, 2011. 云南强对流暴雨的闪电和雷达回波特征及相关性[J]. 热带气象学报, 27(3): 379-386.
[21]	张腾飞, 张杰, 尹丽云, 2023. 滇西南一次超级单体持续降雹过程分析[J]. 云南大学学报:自然科学版, 45(2):409-417.
[22]	周鹏康, 秦金梅, 2016. 云南1981—2010年雨季暴雨时空分布特征[J]. 云南地理环境研究, 28(4): 63-69.
[23]	周伟东, 韩宁, 戴建华, 等, 2022. 上海地区暴雨预警评估及不同天气型暴雨预警差异分析[J]. 暴雨灾害, 41(4): 405-412.
[24]	FOWLER H J, LENDERINK G, PREIN A F, et al, 2021. Anthropogenic intensification of short-duration rainfall extremes[J]. Nature Reviews Earth & Environment, 2(2): 107-122.
[25]	HAN J Y, DU H B, WU Z F, et al, 2019. Changes in extreme precipitation over dry and wet regions of China during 1961-2014[J]. Journal of Geophysical Research: Atmospheres, 124(11): 5 847-5 859.
[26]	KEBEDE A, WARRACH-SAGI K, SCHWITALLA T, et al, 2024. Assessment of seasonal rainfall prediction in Ethiopia: Evaluating a dynamic recurrent neural network to downscale ECMWF-SEAS5 Rainfall[J]. Advances in Atmospheric Sciences, 41(11): 2 230-2 244.
[27]	LIU S K, CHANG G X, 2025. Spatial-temporal analysis of precipitation extremes over China during 1961-2019[J]. Discover Atmosphere, 3(24): 1-17.
[28]	WANG Q, ZHAI P M, ZHANG Q, 2025. Regional patterns of climate change and extreme events in China since 1961[J]. Journal of meteorological research, 39 (3): 688-697.
[29]	YANG J, HE S, BAO Q, 2021. Convective/large-scale rainfall partitions of tropical heavy precipitation in CMIP6 atmospheric models[J]. Advances in Atmospheric Sciences, 38(6): 1 020-1 027.