2018年广东空中水物质评估及开发分析

图1 CMPAS-hourly数据采样示意图

（黑点为采样点）

Fig.1 Schematic diagram of CMPAS-hourly data sampling

（Black spots represent sampling points）

2018年广东全省平均年降水量1801.8 mm（资料来自全省86个国家级自动气象站的地面观测数据）,接近常年（1790.0 mm）（图2）,其汛期和非汛期的降水也与常年相当（图3）,因此2018年的空中水物质评估结果具有较好的代表性。

图2

图2 1951—2018年广东年降水量变化

Fig.2 Annual precipitation variation in Guangdong during 1951-2018

图3

图3 2018年广东汛期、非汛期降水与常年值对比

Fig.3 Comparison of precipitation in flood season and non-flood season with perennial values in Guangdong in 2018

图4为基于CMPAS-hourly和自动气象站的2018年广东降水量空间分布。对比分析发现,两种资料表现的2018年广东降水量空间分布特征非常相似,部分区域略有差异。由于降水空间分布的不均匀性,86个国家级自动气象站的观测资料并不能非常准确代表全省降水量分布,因此不同方法计算结果有一定差异是正常现象,这一对比结果说明所用CMPAS-hourly资料的可靠性。

图4

图4 基于CMPAS-hourly（a）和自动气象站（b）的2018年广东降水量空间分布（单位：mm）

Fig.4 The spatial distribution of precipitation in Guangdong in 2018 based on CMPAS-hourly（a） and automatic meteorological station （b）（Unit： mm）

1.2 计算方法

基于大气水物质收支平衡方程的定量化水物质评估方法被提出^[3,11-12,20]。大气水物质收支平衡方程各项经过整层大气积分,写为水汽和水凝物通量散度形式。

（1）

〈\frac{\partial q}{\partial t}〉 = - 〈\nabla \cdot \vec{V} q〉 + E + 〈E_{h}〉 - 〈C_{q}〉

（2）

〈\frac{\partial m}{\partial t}〉 = - 〈\nabla \cdot \vec{V} m〉 - 〈E_{h}〉 + 〈C_{q}〉 - R

式中：〈〉表示垂直积分; $\nabla$ 为散度算子;q、m分别为单位质量空气中水汽含量、水凝物含量,垂直积分后单位均为Kg·m^-2; $\nabla \cdot \vec{V} q$ 、 $\nabla \cdot \vec{V} m$ 分别为水汽通量散度、水凝物通量散度,垂直积分后单位均为 Kg·m^-2·s^-1;E（Kg·m^-2·s^-1）为地面蒸发量; $E_{h}$ 和 $C_{q}$ 分别是水凝物蒸发量、水汽凝结或凝华量,垂直积分后单位均为Kg·m^-2·s^-1;R（Kg·m^-2·s^-1）为降水率。

假设0—t时段内水物质只有单相变化,即计算水凝物蒸发量时,将水汽凝结或凝华忽略,而计算水汽凝结或凝华时将水凝物蒸发忽略。由公式（1）和公式（2）可得到公式（3）和公式（4）,用以估计水凝物蒸发和水汽凝结量。

（3）

〈E_{h}〉 \approx 〈\frac{\partial q}{\partial t}〉 + 〈\nabla \cdot \vec{V} q〉 - E

（4）

〈C_{q}〉 \approx 〈\frac{\partial m}{\partial t}〉 + 〈\nabla \cdot \vec{V} m〉 + R

0—t时段内,单位面积上空中水物质定义及计算公式具体如下：

（5）

G Q_{v} = q_{0} + q_{i n} + \int_{0}^{t} (E + 〈E_{h}〉) d t

（6）

G Q_{h} = m_{0} + m_{i n} + \int_{0}^{t} 〈C_{q}〉 d t

（7）

G C W R = G Q_{h} - \int_{0}^{t} R d t

（8）

E_{v} = \int_{0}^{t} R d t / G Q_{v}

（9）

E_{w} = \int_{0}^{t} R d t / G Q_{h}

$式中 : G Q_{v} 、 q_{0} 、 q_{i n}$ 分别为水汽总量、水汽初值和水汽输入量; $G Q_{h} 、 m_{0} 和 m_{i n}$ 分别为水凝物总量、水凝物初值和水凝物输入量; $G C W R$ 为云水资源总量;以上物理量的单位都为Kg·m^-2,乘以区域面积即是该区域内的物理量,单位为Kg。 $E_{v} 、 E_{w}$ （%）分别为水汽降水效率和水凝物降水效率。

采用以上公式计算空中水物质总量时只考虑水物质的输入值、初值和水相变的汇项,即空中水物质是指可以得到的最大量。广东省内水汽、水凝物及云水资源每个格点之间输入、输出互相抵消,所以广东省整体空中水物质总量是将省边界的输入、省内各网格的初值和水相变的汇项相加得到;而广东省各网格点的空中水物质总量是将该网格的输入、初值和相变的汇项相加得到。因此广东省整体空中水物质总量一定小于同一时段省内所有格点值之和。

文中汛期指4—9月,其中前汛期为4—6月,后汛期为7—9月^[21],将日序列结果分为5 d及以下的天气尺度、5~30 d的月内尺度进行广东省整体空中水物质总量及变化的时间分布特征的统计分析。

2 结果分析

2.1 空中水物质整体评估结果

2018年广东水汽总量为5.58×10¹⁵kg,水凝物总量为3.20×10¹⁴ kg,云水资源总量为3.33×10¹³ kg,区域平均年降水量为1596.0 mm,降水总量为2.87×10¹⁴ kg。水汽降水效率为5.1%,水凝物降水效率为89.6%。广东2018年水汽净输出1.63× 10¹⁴ kg,水凝物净输出3.78×10¹² kg。水汽输入占空中水汽总量的69.7%,水凝物输入仅占空中水凝物总量的5.5%（表2）。

表2 2018年广东水汽和水凝物输入和输出单位： 10¹¹ kg

Tab. 2 Input and output of water vapor and condensate in Guangdong in 2018

水物质	输入项	输出项	净收支
水汽	38887.80	40515.70	-1627.90
水凝物	176.28	214.04	-37.76

新窗口打开| 下载CSV

2.2 空中水物质空间分布

图5（a）显示2018年广东各地水汽总量均达1×10¹⁴ kg以上,且水汽总量自西南向东北逐渐减少。图5（b）显示2018年广东各地水凝物总量为1.2×10¹²~2.8×10¹² kg,高值区位于粤西云雾山和天露山的南坡,其次是粤东莲花山南麓以及清远和肇庆境内的南岭山脉西南坡,低值区位于雷州半岛西侧和粤东地区。

图5

图5 2018年广东水汽总量（a）和水凝物总量（b）空间分布（单位：

Fig.5 The spatial distribution of total water vapor （a） and total hydrometeor （b） in Guangdong in 2018 （Unit： 10¹¹ kg）

图6为2018年广东云水资源总量空间分布。可以看出,云水资源沿广东海岸线方向分布,并从北部山区向沿海地区逐渐减小,其中云水资源总量最小值位于雷州半岛,为4.1×10¹¹ kg,最大值位于清远北部地区为1.2×10¹² kg,表明广东越往北越多云水资源可供开发利用。

图6

图6 2018年广东云水资源总量空间分布（单位：10¹¹ kg）

Fig.6 The spatial distribution of total cloud water resources in Guangdong in 2018 （Unit： 10¹¹ kg）

由图7（a）可知,2018年广东水汽降水效率都很低,最大值在阳江,仅为1.5%。水汽降水效率超过1.1%的区域有粤西云雾山、天露山南坡到珠江口一带、粤东莲花山南麓以及雷州半岛南部;韶关、河源、梅州的水汽降水效率最低。由图7（b）可知,2018年广东各地水凝物降水效率远大于水汽降水效率,沿广东海岸线方向分布,且从沿海地区向北部山区逐渐减小,其中水凝物降水效率最大值在雷州半岛南部,高达75%,最小值在清远北部,为35%。按照文中2.1所述,2018年广东水汽降水效率为5.1%,水凝物降水效率为89.6%,分别与图7（a）和图7（b）显示的空间分布相比其明显偏大,这是因为计算水汽、水凝物总量的时候每个格点只计算输入量,这些水物质在空气中是流动的,因此在全省范围内的格点之间会有部分量被重复计算,导致了格点的降水效率低于广东整体降水效率。

图7

图7 2018年广东水汽降水效率（a）和水凝物降水效率（b）空间分布（单位：%）

Fig.7 The spatial distribution of water vapor precipitation efficiency （a） and hydrometeor precipitation efficiency （b） in Guangdong in 2018 （Unit：%）

图8（a）显示的2018年广东水汽净输送值空间分布呈现中部输入大于输出,而粤东和粤西大部分地区输出大于输入。图8（b）显示2018年广东各地水凝物净输送值基本都是输出大于输入,仅有粤北很小的区域输入大于输出。

图8

图8 2018年广东水汽（a）和水凝物（b）净输送值空间分布（单位：10¹¹ kg）

Fig.8 The spatial distribution of net transport values of water vapor （a） and hydrometeor （b） in Guangdong in 2018 （Unit： 10¹¹ kg）

2.3 空中水物质时间变化

图9显示2018年广东水汽、水凝物、云水资源逐日变化。可以看出,水汽总量6—8月较大,而1—3月和10—12月较小;水凝物总量在8月下半月和9月上半月较大,小值出现时间与水汽总量相似;云水资源总量在整个汛期都很小,在非汛期则相对较大。将图9（c）与图9（b）相应值作比值,可以得到每日云水资源占总水凝物的百分比,显然非汛期占比明显高于汛期。

图9

图9 2018年广东水汽（a）,水凝物（b）和云水资源（c）总量的逐日变化

Fig.9 The daily variation of total water vapor （a）, hydrometeor （b） and cloud water resources （c） in Guangdong in 2018

表3为2018年广东水汽、水凝物、云水资源在天气尺度和月内尺度（5~30 d）的均方差。可以看出,无论是天气尺度还是月内尺度,后汛期水汽变化明显大于前汛期,夏秋季的水汽变化大于冬春季。除了冬季,水汽月内尺度变化大于天气尺度变化。水凝物的变化全年是天气尺度大于月内尺度,秋季和后汛期天气尺度变化大于月内尺度变化最为明显。水凝物变化夏秋季大于冬春季,后汛期大于前汛期。云水资源全年月内尺度变化大于天气尺度变化,冬季云水资源变化最大,夏季云水资源变化最小。

表3 2018年广东两种时间尺度水汽、水凝物、云水资源的均方差单位： 10¹¹ kg

Tab.3 Mean square deviation in water vapor, hydrometeor and cloud water resources with two time scales in Guangdong in 2018

	水汽		水凝物		云水资源
	天气尺度	5~30 d尺度	天气尺度	5~30 d尺度	天气尺度	5~30 d尺度
全年	47.33	62.19	9.70	8.06	0.54	0.71
春季	41.48	45.78	7.64	5.91	0.44	0.42
夏季	50.10	70.40	9.44	10.04	0.36	0.40
秋季	58.30	82.02	13.99	9.00	0.56	0.66
冬季	28.81	22.62	2.54	3.84	0.81	1.28
前汛期	45.28	48.88	9.18	8.46	0.40	0.46
后汛期	64.29	100.25	15.05	11.81	0.48	0.45

新窗口打开| 下载CSV

3 结论

（1）2018年广东水汽总量为5.58×10¹⁵ kg,水凝物总量为3.20×10¹⁴ kg,云水资源总量为3.33× 10¹³ kg,水汽降水效率为5.1%,水凝物降水效率为89.6%,水汽净输出1.63×10¹⁴ kg,水凝物净输出3.78×10¹² kg。

（2）广东空中水物质的空间分布特征表现为水汽总量自西南向东北逐渐减少,水凝物总量高值区在粤西云雾山和天露山的南坡,其次是粤东莲花山南麓以及清远、肇庆境内的南岭山脉西南坡,云水资源总量从北部山区向沿海地区逐渐减小。水凝物降水效率从沿海地区向北部山区逐渐降低,表明广东越往北部水凝物降水效率提升潜力越大。广东各地水汽降水效率集中在0.5%~1.5%,发展动力催化技术提高水汽降水效率^{[22⇓⇓⇓-26]},能明显提高人工增雨防灾减灾能力。

（3）广东空中水物质的时间变化特征表现为水汽总量在6—8月较大;水凝物总量在8月下半月和9月上半月较大。云水资源总量非汛期大于汛期,加强非汛期人工增雨作业对提升粤北及各地云水资源开发率,对满足这一时期森林防火,缓解干旱和水库蓄水等社会需求有重要作用。

（4）水汽变化除冬季外月内尺度大于天气尺度,而云水资源的变化全年月内尺度大于天气尺度;水凝物的变化全年天气尺度大于月内尺度。水汽、水凝物的变化后汛期明显大于前汛期;云水资源的变化前后汛期相比差异不大,但是冬季的云水资源变化明显大于夏季。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

伍红雨, 邹燕, 郭尧,

等.

广东气候年景的客观定量化评估

[J]. 大气科学学报, 2020, 43(3):516-524.

[2]

杜尧东, 余勇, 林继生.

开发广东空中水资源的战略思考

[J]. 广东气象, 2003(3):40-44.

[3]

ZHOU

Y Q

, CAI

, TAN

, et al.

Quantifying the cloud water resource: basic concepts and characteristics

[J]. Journal of Meteorological Research, 2020, 34(6):1242-1255.

DOI URL [本文引用: 5]

[4]

潘卫华, 余永江, 罗艳艳,

等.

基于地基GPS大气可降水量的福建水汽资源时空分布特征分析

[J]. 干旱气象, 2021, 39(4):577-584.

[5]

韩辉邦, 张小军, 张博越,

等.

柴达木盆地GPS大气可降水量精度检验及其变化特征

[J]. 干旱气象, 2020, 38(1):50-57.

[6]

康晓燕, 马学谦, 韩辉邦,

等.

1981—2015年黄河上游河曲地区大气可降水量变化特征

[J]. 干旱气象,2017, 35(6):975-983.

[本文引用: 4]

[7]

强安丰, 汪妮, 解建仓,

等.

三江源区大气可降水量时空特征及其与降水关系

[J]. 干旱气象, 2019, 37(1):22-30.

[本文引用: 3]

[8]

黄小燕, 王圣杰, 王小平.

1960—2015年中国西北地区大气可降水量变化特征

[J]. 气象, 2018, 44(9):1191-1199.

[本文引用: 3]

[9]

王怀娟.

中国区域大气水汽变化的分析与模拟研究[D]. 兰州: 兰州大学, 2015.

[10]

王娜, 顾伟宗, 邱粲,

等.

山东夏季空中水汽分布和水汽输送特征

[J]. 高原气象, 2021, 40(1):159-168.

DOI [本文引用: 1]

利用山东省气象站的降水量资料和JRA-55、 NCEP/NCAR再分析资料, 分析了1962 -2016年山东夏季整层大气可降水量、降水转化率、水汽通量及输送路径的分布特征和变化规律, 探讨了夏季降水与水汽通量及其散度的相关性和多雨年的水汽来源。结果表明：从常年值来看, 山东平均夏季降水量为401.2 mm, 大气可降水量为3478.8 mm, 降水转化率为11.5%。降水转化率和降水量的时空演变特征更加一致, 经向水汽输送和局地水汽通量散度与地面有效降水的关系更加密切, 当大气可降水量充沛、外部水汽输送充足并出现局地水汽辐合时, 更加有利于山东南部地区降水的发生发展, 从而形成夏季降水量和降水转化率气候特征表现出东南地区大于西北地区的空间分布型态。西北太平洋、南海、孟加拉湾和鄂霍茨克海至日本海是造成山东夏季降水异常偏多的重要水汽源地, 巴尔喀什湖至贝加尔湖地区是重要的冷空气输送区域；当山东上游盛行偏西风时, 自新疆和青藏高原至内蒙古的狭长带出现异常水汽扰动并发展, 是由水汽异常引起的水汽通量异常对山东局地降水异常贡献的主要条件。

[11]

蔡淼.

中国空中云水资源和降水效率的评估研究[D]. 北京: 中国气象科学研究院, 2013:11-18.

[本文引用: 4]

[12]

CAI

, ZHOU

Y Q

, LIU

J Z

et al.

Quantifying the cloud water resource:methods based on observational diagnosis and cloud model simulation

[J]. Journal of Meteorological Research, 2020, 34(6):1256-1270.

DOI URL [本文引用: 3]

[13]

石晓兰, 杨青, 姚俊强,

等.

天山山区水汽和云水含量的空间分布特征

[J]. 沙漠与绿洲气象, 2016, 10(2):50-56.

[14]

晓东, 黄建平, 李积明.

基于主动卫星遥感研究西北地区云层垂直结构特征及其对人工增雨的影响

[J]. 干旱气象, 2012, 30(4):529-537.

[15]

林丹.

成都地区云水资源分布特征及其与降水的关系

[J]. 成都信息工程大学学报, 2021, 36(3):330-335.

[16]

孙仲毅, 靳冰凌, 王敏,

等.

2008年6—8月河南空中云水资源分布特征

[J]. 气象与环境科学, 2009, 32(4):55-59.

[17]

张海宏, 石明明, 吴昊,

等.

基于ERA-Interim 资料的青海省空中云水资源评估

[J]. 干旱气象, 2021, 39(4):569-576.

[18]

尹宪志, 王毅荣, 庞朝云,

等.

祁连山空中云水资源开发潜力研究新进展

[J]. 沙漠与绿洲气象, 2020, 14(6):134-140.

[19]

SHEN

, ZHAO

, PAN

A high spatiotemporal gauge-satellite merged precipitation analysis over China

[J]. Journal of Geophysical Research:Atmospheres, 2014, 119(6):3063-3075.

DOI URL [本文引用: 1]

[20]

蔡淼, 周毓荃, 欧建军,

等.

三维云场分布诊断方法的研究

[J]. 高原气象, 2015, 34(5):1330-1334.

DOI [本文引用: 1]

利用2007-2008年Cloudsat云检测产品与ECMWF再分析资料的相对湿度进行统计分析, 得出了中国云內外相对湿度判別阈值及其随高度的变化, 提出了基于再分析资料的三维云场分布诊断方法, 应用于实例三维云场诊断, 并与卫星、雷达、地面云降水观测等资料进行了对比分析, 得到的主要结论有: (1)Cloudsat云判别有效值>20的云区位置与Cloudsat辅助产品给出的ECWMF再分析资料的相对湿度高值区有较好的时空对应; (2)不同高度范围的云内相对湿度都呈单峰型分布, 峰值在相对湿度100%附近, 晴空相对湿度受当地大气环境影响, 各地各高度都有差别; (3)通过相对湿度对云区和晴空的TS评分测试, 得出了诊断云区的相对湿度阈值及其垂直分布; (4)利用NCEP再分析资料对中国三维云场的分布进行个例诊断应用, 与卫星、雷达和地面云降水观测的对比表明, 云区附近的湿度梯度大, 相对湿度阈值法诊断的云区总体比较稳定; (5)诊断的云区与上升气流区对应较好, 云区和晴空的分布与卫星TBB观测大致对应, 云厚(即云格点总数)与光学厚度和地面降水的分布比较一致; (6)云场垂直剖面可以清晰地看出其分布同天气系统的关系, 诊断的云区与地面云观测比较一致, 云层密实深厚的区域通常对应着地面降水; (7)单点的云垂直结构随时间演变与当地的雷达和地面云降水观测都比较一致。

[21]

林良勋, 冯业荣, 黄忠,

等. 《广东省天气预报技术手册》[M]. 北京: 气象出版社, 2006:9

[22]

陈光学, 段英, 吴兑.

《火箭人工影响天气技术》[M]. 北京: 气象出版社, 2008:135.

[23]

陈宝君, 李爱华, 吴林林,

等.

暖底对流云催化的微物理和动力效应的数值模拟

[J]. 大气科学. 2016, 40(2):186-207.

[24]

刘卫国, 陶玥, 党娟,

等.

2014年春季华北两次降水过程的人工增雨催化数值模拟研究

[J]. 大气科学, 2016, 40(4):669-688.

[25]

CHEN

B J

, XIAO

Silver iodide seeding impact on the microphysics and dynamics of convective clouds in the high plains

[J]. Atmospheric Research, 2010, 96(2/3):186-207.

DOI URL [本文引用: 1]

[26]

郭学良, 付丹红, 胡朝霞.

云降水物理与人工影响天气研究进展(2008—2012年)

[J]. 大气科学,2013, 37(2):351-363.