• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2023, 41(3): 423-433 DOI: 10.11755/j.issn.1006-7639(2023)-03-0423

论文

山西省雷暴大风的统计特征及概念模型

李强,1, 苗爱梅,2, 王洪霞2, 张丽梅3

1.山西省气象灾害防御技术中心,山西 太原 030032

2.山西省气象台,山西 太原 030006

3.山西工商学院,山西 太原 030051

Statistical characteristics and conceptual models of thunderstorm gales in Shanxi Province

LI Qiang,1, MIAO Aimei,2, WANG Hongxia2, ZHANG Limei3

1. Shanxi Meteorological Disaster Prevention Technology Center, Taiyuan 030032, China

2. Shanxi Meteorological Observatory, Taiyuan 030006, China

3. Shanxi Business College, Taiyuan 030051, China

通讯作者: 苗爱梅(1960—),女,正研级高工,主要从事强对流天气预报技术研究。E-mail:mam1226@163.com

责任编辑: 王涓力;校对:刘晓云

收稿日期: 2022-05-26   修回日期: 2022-08-18  

基金资助: 山西省重点研发计划项目(201603D321125)
山西省气象局重点项目(SXJZCGYY202201)

Received: 2022-05-26   Revised: 2022-08-18  

作者简介 About authors

李强(1965—),男,高级工程师,主要从事气象灾害防御技术研究。E-mail:389051810@qq.com

摘要

利用山西省近40 a雷暴大风资料和近18 a的常规和新型监测资料,采用聚类分析、中尺度天气分析等方法,对山西雷暴大风的时空分布特征及天气型、物理量阈值进行研究并建立了概念模型。结果表明:山西年均雷暴大风日数具有北部多、南部少,山区多、盆地少,西部山区多于东部山区的地域分布特征;极端雷暴大风主要出现在山西的北部和吕梁山区;西部山区年雷暴大风日数为增多趋势,其他区域为无变化和减少趋势。雷暴大风集中发生在5—8月,占全年雷暴大风总日数的75%;日内雷暴大风出现最多的时次为16:00和21:00(北京时)。山西雷暴大风主要包括前倾槽、后倾槽、横槽、副热带高压与低空暖式切变线、副热带高压与低空冷式切变线、西北气流等6种流型配置;各型K指数阈值4—5月明显低于6—9月,而850 hPa与500 hPa温差4—5月却明显高于6—9月;各型在满足各月特征物理量阈值时均可触发山西强雷暴大风,而前倾槽型触发极端雷暴大风的百分比最大。同一时期,后倾槽、副热带高压与低空暖式和冷式切变线型的K指数阈值明显高于前倾槽和西北气流型,而前倾槽型的Si指数阈值明显高于其他类型,说明前倾槽型触发雷暴大风的动力不稳定条件优于热力不稳定条件;副热带高压与低空暖式和冷式切变线型的CAPE及0 ℃层高度阈值明显高于其他4型,而低层的T-Td阈值和云顶亮温则明显低于其他4型。利用各月各型0 ℃层高度阈值可以准确判断雷暴大风过程是否伴有冰雹。

关键词: 雷暴大风; 特征物理量阈值; 概念模型

Abstract

Based on thunderstorm gales data in recent 40 years and the conventional and new monitoring data in recent 18 years in Shanxi Province, the spatial and temporal distribution of thunderstorm gales in Shanxi Province are analyzed firstly, and then the weather types, characteristic physical quantity thresholds and conceptual models of thunderstorm gales are studied by using the methods of cluster analysis and mesoscale weather analysis. The results show that the average number of thunderstorm gale days in Shanxi had the regional distribution characteristics with more in the north and less in the south, more in mountainous areas and less in plain, and more in western mountainous areas and less in eastern mountainous areas. The extreme thunderstorm gales mainly occurred in the north of Shanxi and Lüliang mountainous regions. The annual thunderstorm gales days in the western mountainous area showed an increasing trend, while there were no changes or decreasing trends in other areas. The thunderstorm gales mainly occurred from May to August, accounting for 75% of the total days of thunderstorm gales in the whole year, and thunderstorm gales occurred most frequently at 16:00 and 21:00 (Beijing Time) in a day. The flow patterns of thunderstorm gales in Shanxi are mainly divided into six types, which are forward-tilting trough, backward-tilting trough, transverse trough, subtropical high and low-level warm shear line, subtropical high and low-level cold shear line, and northwest air flow. The K index threshold of all patterns from April to May was significantly lower than that from June to September, while the temperature difference between 850 hPa and 500 hPa was obviously higher than that from June to September. When each pattern meets the characteristic physical quantity thresholds of each month, it can trigger the strong thunderstorm gale weather in Shanxi, while the flow pattern configuration of forward-tilting trough has the highest percentage of triggering extreme thunderstorm gales. Over the same period, the K indices of the patterns of backward-tilting trough, subtropical high and low-level warm shear line, subtropical high and low-level cold shear line are significantly higher than those of the patterns of forward-tilting trough and northwest air flow, while the Si index of the forward-tilting trough is obviously higher than that of other patterns, which indicated that the dynamic instability condition of the forward-tilting trough triggering thunderstorm gale is better than the thermal instability condition. The CAPE and 0 ℃ layer height thresholds of the patterns of subtropical high and low-level warm and cold shear lines are significantly higher and the thresholds of T-Td and cloud top black body temperature in the lower layer are significantly lower than those of the other four patterns. Whether hail is accompanied by thunderstorm gale process can be accurately judged by 0 ℃ layer height threshold of each month.

Keywords: thunderstorm gale; characteristic physical quantity thresholds; conceptual models

PDF (16188KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李强, 苗爱梅, 王洪霞, 张丽梅. 山西省雷暴大风的统计特征及概念模型[J]. 干旱气象, 2023, 41(3): 423-433 DOI:10.11755/j.issn.1006-7639(2023)-03-0423

LI Qiang, MIAO Aimei, WANG Hongxia, ZHANG Limei. Statistical characteristics and conceptual models of thunderstorm gales in Shanxi Province[J]. Arid Meteorology, 2023, 41(3): 423-433 DOI:10.11755/j.issn.1006-7639(2023)-03-0423

引言

雷暴大风尤其是极端雷暴大风(费海燕等,2016;马淑萍等,2019)是一种破坏力极强的强对流天气现象,具有突发性和致灾性强等特点,精准预报此类强对流天气难度很大(唐文苑等,2017)。但随着中尺度监测站网的建立,21世纪以来对此类强对流天气的研究取得较大进展。美国研究表明,区域性雷暴大风一般产生在极端不稳定和低层高湿环境下(地面露点温度一般大于20 ℃),且中层和低层水平风垂直切变较大(500 hPa到地面的切变约20 m·s-1,700 hPa到地面的切变约15 m·s-1),雷暴大风发生区域的不稳定性和切变可以在更大范围内变化(Evans and Doswell Ⅲ,2001;Coniglio et al.,2004)。Joseph和Walker(2011)对1998—2007年的191个非龙卷雷暴大风事件进行分类研究,发现45%的雷暴大风事件属于无组织、准组织的单体风暴;有组织的多单体风暴只占19%,有组织的线性风暴中飑线占19%,弓形回波占24%。对北京地区雷暴大风气候特征及环境参量的研究(秦丽等,2006;梁爱民等,2006;廖晓农,2009;何志强等,2014)指出,该地雷暴大风一般发生在4—9月,湿型雷暴大风占94%,探空环境为低层暖湿、中高层干冷,干型雷暴大风与湿型雷暴大风相比,温度直减率更大。对于雷暴大风天气的分型和中尺度特征也有不少研究成果(钟利华等,2011;王伏村等,2014;许爱华等,2014;韦惠红等,2022;李强等,2022),许爱华等(2014)根据高低空冷暖平流和水平锋生强弱,将中国中东部强对流天气分为高空冷平流强迫型、低层暖平流强迫型、斜压锋生型、准正压型、高架对流型等;秦丽等(2006)、钟利华等(2011)、杨晓霞等(2014)、韦惠红等(2022)分别对北京、广西、山东、湖北的雷暴大风天气进行了天气学分型,并给出了当地雷暴大风发生的关键环境参数。罗爱文等(2015)对2009—2012年江淮地区弓状回波引起的雷暴大风进行分析,指出弓状回波主要发生在东北冷涡和高空槽天气背景下,中层存在明显的干层,具有中等强度的对流不稳定度(CAPE均值为1 780 J·kg-1)和垂直风切变(1 000~700 hPa风切变均值为11.6 m·s-1)。华北处于全国雷暴大风高发区(余蓉等,2012),因此针对此类强对流天气也开展了一系列研究,主要表现在环流背景分型和形成机理(廖晓农,2009;闵晶晶等,2015)、环境参数及预警指标(严仕尧等,2013;方翀等,2017)、卫星和雷达回波特征(苗爱梅等,2017;李斯荣等,2019)、预警方法(廖晓农,2009;俞小鼎,2011)等方面。在对京、津、冀雷暴大风研究的基础上,方翀等(2017)还分析了华北高海拔地区雷暴大风的时空分布特征及物理量平均阈值,为该区域雷暴大风预报提供了参考依据。

由于山西地形地貌复杂,雷暴大风发生发展机理与京津冀地区并不完全一样,尤其是高低空流型配置和特征物理量阈值存在明显差异,且该区域在雷暴大风概念模型建立方面还是空白。本研究试图利用近40 a的历史资料和近18 a(2001—2018年)378个雷暴大风个例,采用较高的历史概括率确定特征物理量阈值,减少采用平均物理量指标(阈值)造成的空漏报,构建基于高低空流型配置和物理量阈值相结合的山西省雷暴大风概念模型,旨在为山西复杂地形下雷暴大风的预报预警提供技术支撑。

1 资料与方法

1.1 资料

雷暴大风日统计均基于台站数据,即某日出现雷暴天气并伴有大风(风速≥17.2 m·s-1),则记为一个雷暴大风日,若风速≥25 m·s-1或风速≥30 m·s-1,则分别记为强雷暴大风日(费海燕等,2016)和极端雷暴大风日(马淑萍等,2019)。

用于年、月雷暴大风日数和风速极值及年雷暴大风日数变化趋势统计的109站资料均来自山西省气象信息中心,资料起止时间为1979—2018年;用于日内逐时雷暴大风频次统计和中尺度天气分析的雷暴大风个例实况资料为2001—2018年的多要素自动站资料,时间分辨率为1 min;雷暴大风发生前逐6 h一次的NCEP(National Centers for Environmental Prediction)再分析资料(2001—2018年,分辨率为0.5°×0.5°)用于建立概念模型时高低空流型的配置;雷暴大风发生起止时间内对应的云顶黑体亮温和雷达组合反射率因子是与雷暴大风发生最接近时刻的葵花8号和FY-2C卫星资料(时间分辨率分别为10和30 min)和山西省及周边14部多普勒雷达观测资料(时间分辨率为6 min)。

文中附图涉及的地图均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2022)4309号的标准地图制作,底图无修改;文中所有时间均为北京时。

1.2 方法

1.2.1 雷暴大风典型个例定义

山西境内24 h内(08:00—08:00)出现雷暴的站点数≥20个且相伴随的大风站点数≥5个时,定义为一个雷暴大风典型个例。经统计2001—2018年期间共有378个雷暴大风典型个例。

聚类分析和中尺度天气分析方法用于建立雷暴大风概念模型。

1.2.2 聚类分析法

层次选择500、700、850 hPa和地面,格点资料范围为95°E—125°E、30°N—50°N,采用的聚类方法为系统聚类法(系统树)(方开泰和潘恩沛,1982)。

(1)系统聚类法(以500 hPa为例)

在聚类之前,作为样本的500 hPa形势场分别对应所选的样本资料各自为一类,每进行一步将距离最小的两类合并成一类;并类后,计算新类与其他类的距离,构成新的距离矩阵。新类之间的距离有多种不同的定义方法,雷暴大风试验中采用的是类平均法。

(2)样本矩阵

设某一数值预报产品在所取地域范围有m个网格点,对n份资料(n个样本)来说,可以得到1组样本矩阵X,记为

X=x11x12x1jx1mx21x22x2jx2mxi1xi2xijximxn1xn2xnjxnm

对于本文所选资料一共有61×41个格点,即m=61×41=2 501,378个典型雷暴大风个例,即n=378。

2 山西雷暴大风的统计特征

2.1 雷暴大风日数和风速极值的空间分布

图1为1979—2018年年平均雷暴大风日数及其极大风速空间分布。可以看出,年平均雷暴大风日数具有北部多、南部少,山区多、盆地少及西部山区多于东部山区的分布特征;其极大风速也呈现为北部大、南部小,山区大、盆地小及西部山区大于东部山区的分布特征。大同、朔州、忻州的西部和东部及吕梁、临汾北部属于强雷暴大风区,年均雷暴大风日数多且风速极值大;大同、吕梁及忻州北部属于极端雷暴大风区。

图1

图1   1979—2018年山西年平均雷暴大风日数(a,单位:d)及其风速极值(b,单位:m·s-1)空间分布

Fig.1   The spatial distribution of annual mean thunderstorm-gale days (a, Unit: d) and maximum wind speed of thunderstorm gales (b, Unit: m·s-1) in Shanxi Province during 1979-2018


2.2 雷暴大风日数月际变化及年变化趋势空间分布

2.2.1 雷暴大风日数的月际变化及日内逐时变化

1979—2018年,山西雷暴大风天气最早发生在3月2日,最晚出现在11月27日。5—8月为高发期,雷暴大风日数占全年的74.95%,其中6月最多、7月次之,5、8月占比分别为17.89%、14.34%,4、9月雷暴大风日数占比不足10.00%,3、11月出现次数很少,12、1、2月没有出现过雷暴大风天气(表1)。

表1   1979—2018年山西省逐月平均雷暴大风日数及占比

Tab.1  The monthly average number and proportion of thunderstorm-gale days in Shanxi Province from 1979 to 2018

月份雷暴大风日数/d占比/%
10.000.00
20.000.00
31.481.79
47.829.44
514.8217.89
618.5522.38
716.8520.34
811.8814.34
97.589.14
103.243.91
110.640.77
120.000.00

新窗口打开| 下载CSV


统计分析表明,一日内雷暴大风有2个高发时刻,分别为16:00和21:00;03:00和04:00雷暴大风出现次数最少(图略)。

2.2.2 年雷暴大风日数变化趋势空间分布

图2为1979—2018年山西省年雷暴大风日数变化趋势的空间分布。可以看出,近40 a来山西省51%的县(市)年雷暴大风日数呈现减少趋势,27%的县(市)为增多趋势,22%的县(市)无变化。增多的县(市)主要位于忻州西部山区和吕梁山区,显著减少的区域主要位于大同北部、朔州和运城南部。

图2

图2   1979—2018年山西年雷暴大风日数变化趋势空间分布[单位:d·(10 a)-1]

(正负趋势均通过α=0.05的显著性检验)

Fig.2   The spatial distribution of change trend of annual thunderstorm-gale days in Shanxi Province from 1979 to 2018 (Unit: d·(10a)-1

(The positive and negative values pass the significance test at α=0.05)


3 山西雷暴大风概念模型

3.1 雷暴大风特征物理量阈值统计

对2001—2018年378个雷暴大风典型个例的特征物理量阈值统计发现,以最大值作为临界值空报率太大,以最小值作为临界值漏报率太大,而用平均值作为临界值空报率和漏报率都高,历史回报率都低。因此,对雷暴大风典型个例按月分型计算每个特征物理量值在历史个例中出现的范围和频率。当某一特征物理量的某个值历史概括率≥80%,且历史回报率(用历史概括率≥80%的特征物理量值去预报历史雷暴大风的准确率)也在80%以上时,确定该值为此特征物理量的阈值。

3.2 雷暴大风概念模型

用聚类分析对各层客观分型后,进行高低空流型配置分析,最后对山西378个雷暴大风个例进行中尺度分析(个例少的增加数值模拟)。按照高低空流型配置、特征物理量阈值建立的雷暴大风概念模型共有6型,分别为前倾槽型(高层系统超前低层系统)、后倾槽型(高层系统落后低层系统)、横槽型(东北冷涡后部由东北风与西北风形成的横向切变)、副热带高压(简称“副高”)与低空暖式切变线(西南风与东南风形成的切变线)型、副高与低空冷式切变线(偏北风与偏南风形成的切变线)型、西北气流(中低层均为西北气流控制)型。

3.2.1 前倾槽型

该型共有234例,占比61.9%。

(1)流型配置

500 hPa高度槽超前700 hPa或850 hPa冷式切变线[图3(a)],中层冷空气叠加在低层暖湿空气之上,导致中低空层结不稳定;对流层中层有干线配合,地面多要素自动气象站极大风速风场有β中尺度切变线和辐合线或β中尺度涡旋活动;500 hPa或700 hPa温度槽和850 hPa温度脊共存,低层湿度大,中层较干燥,高层辐散区与低层西南或偏南气流(一般达不到急流标准)耦合。

图3

图3   前倾槽(a)和后倾槽(b)雷暴大风天气概念模型

Fig.3   The forward-tilting trough (a) and backward-tilting trough (b) conceptual models of thunderstorm-gale weather


(2)触发机制

500、700、850 hPa干侵入线或地面干线、自动站极大风速风场中尺度切变线位于500 hPa高度槽与700 hPa冷式切变线之间的不稳定区触发对流发展。

(3)雷暴大风落区

雷暴大风位于500 hPa高度槽后与700 hPa冷式切变线前,或700 hPa冷式切变线后与850 hPa冷式切变线前的区域,且与表2中特征物理量阈值相重叠的区域内。即位于中低层干侵入线0~50 km范围内、500 hPa温度槽0~50 km范围内、自动站极大风速风场切变线附近10 km以及多普勒雷达中层径向辐合(Mid-altitude radial Convergency, MARC)径向速度在30 m·s-1以上的区域,云顶亮温≤230 K云区后部或前部梯度大值区。6—8月、4—5月及9月0 ℃层高度分别≤4.2、3.2、3.6 km时,雷暴大风过程常伴有冰雹出现。

表2   前倾槽型雷暴大风特征物理量阈值

Tab.2  The thresholds of characteristic physical quantities of forward-tilting trough thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
4—561661028303134202016
6222420010026283015108
7—8242641361282126401486
923250-1112023254013118
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
4—522540503.83.26.86.0
622540504.53.97.57.0
7—823040455.34.29.07.2
922640453.83.66.96.7

注: T850-T500为850 hPa与500 hPa温差,下同。

新窗口打开| 下载CSV


此型影响下,雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的97%、61%和50%。

3.2.2 后倾槽型

该型共有66例,占比17.46%。

(1)流型配置

500 hPa高度槽落后于700、850 hPa冷式切变线,系统配置为后倾结构[图3(b)]。对流层中低层有干侵入线配合,地面多要素自动气象站极大风速风场有β中尺度切变线和辐合线或β中尺度涡旋活动;850 hPa有温度槽影响,700 hPa较干燥且干侵入线超前850 hPa干侵入线,850 hPa与700 hPa之间存在不稳定能量,地面冷锋后部温度梯度和气压梯度均很大。

(2)触发机制

700 hPa和850 hPa冷式切变线、700 hPa及850 hPa干侵入线或地面干线、自动站极大风速风场中尺度切变线。

(3)雷暴大风落区

雷暴大风主要位于地面冷锋与850 hPa温度槽之间,或850 hPa冷式切变线与700 hPa冷式切变线之间,或700 hPa冷式切变线与500 hPa高度槽之间,且与表3特征物理量阈值相重叠的区域内。即位于低层干侵入线0~50 km范围内、850 hPa冷式切变线0~50 km范围内、自动站极大风速风场切变线10 km附近以及多普勒雷达低层径向速度大值区径向风速≥19 m·s-1相重叠的区域,云顶亮温≤235 K云区后部或前部梯度的大值区当6—8月和4—5月0 ℃层高度分别≤4.7、2.0 km时,雷暴大风过程常伴有冰雹出现。

表3   后倾槽型雷暴大风特征物理量阈值

Tab.3  The thresholds of characteristic physical quantities of backward-tilting trough thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
4—5101872331333512242014
6242630020021234114108
7—830351-1058624281610124
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
4—523540453.72.06.44.5
623040454.24.07.26.9
7—822040504.84.78.07.9

新窗口打开| 下载CSV


此型影响下,雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的95%、33%和7%。

3.2.3 横槽型

该型共有45例,占比11.9%。

(1)流型配置

500 hPa温度槽叠加在850 hPa温度脊之上导致中低层大气不稳定[图4(a)], 850 hPa冷式切变线和干侵入线、700 hPa和500 hPa干侵入线、地面干线均位于500 hPa温度槽前不稳定区,500 hPa有干舌,地面自动站极大风速风场有中尺度切变线。

图4

图4   横槽型(a)及副高与低空暖式切变线型(b)雷暴大风天气概念模型

Fig.4   The transverse trough (a) and subtropical high and low-level warm shear line (b) conceptual models of thunderstorm-gale weather


(2)触发机制

位于500 hPa温度槽前不稳定区的中低层干侵入线、地面干线、低层冷式切变线、自动站极大风速风场中尺度切变线或涡旋在横槽南压过程中触发对流发展。

(3)雷暴大风落区

雷暴大风位于500 hPa温度槽与850 hPa冷式切变线之间,且与表4特征物理量阈值相重叠的区域内。即位于500 hPa干侵入线20~100 km范围内、地面干线0~50 km范围内、自动站极大风速风场中尺度切变线20 km附近、云顶亮温≤226 K云区后部或前部梯度大值区、多普勒雷达低层径向速度≥19 m·s-1的位置。6—8月及4—5月0 ℃层高度分别≤4.4、2.8 km时,雷暴大风过程常伴有冰雹出现。

表4   横槽型雷暴大风特征物理量阈值

Tab.4  The thresholds of characteristic physical quantities of transverse trough thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
4—516204050180262830141510
620262-10100262824141211
7—829300-1080232824101211
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
4—521545553.22.865.5
622642504.74.47.47.0
7—822542554.54.08.07.5

新窗口打开| 下载CSV


此型影响下,雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的94%、57%和28%。

3.2.4 副高与低空暖式切变线型

该型共有12例,占比3.17%。

(1)流型配置

500 hPa温度槽携带的冷空气与低层偏南急流输送的暖湿空气交绥,使得中低纬系统相互作用,大气层结不稳。700 hPa和850 hPa暖式切变线、500 hPa和700 hPa干侵入线、地面干线均位于5 840与5 880 gpm线之间的不稳定区域[图4(b)],地面自动站极大风速风场有中尺度切变线或涡旋。

(2)触发机制

位于5 840与5 880 gpm线之间的500 hPa温度槽、低层暖式切变线、中低层干侵入线、地面干线、自动站极大风速风场中小尺度切变线或涡旋触发对流发展。

(3)雷暴大风落区

雷暴大风主要位于5 840与5 880 gpm线之间的不稳定区,且与表5特征物理量阈值相重叠的区域内。即位于地面干线南部0~100 km范围内、5 880 gpm线西北侧0~150 km范围内、700 hPa暖温度脊0~80 km范围内、自动站极大风速风场中尺度切变线20 km附近、云顶亮温≤210 K云区后部或前部梯度的大值区、多普勒雷达低层径向速度≥22 m·s-1的位置。当0 ℃层高度≤4.8 km时,雷暴大风过程常伴有冰雹,有低空急流时常伴有短历时强降水。

表5   副高与低空暖式切变线型雷暴大风特征物理量阈值

Tab.5  The thresholds of characteristic physical quantities of subtropical high and low-level warm shear line thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
7—83036-1-22001 2002224401064
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
7—821045505.34.88.88.2

新窗口打开| 下载CSV


此型影响下,触发雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的92%、50%和0。

3.2.5 副高与低空冷式切变线型

该型共有12例,占比3.17%。

(1)流型配置

在5 840 与5 880 gpm线之间,700 hPa冷式切变线超前850 hPa冷式切变线,700 hPa温度槽叠加在850 hPa暖温度脊之上,使得大气层结更加不稳定,700 hPa或850 hPa冷式切变线、850 hPa干侵入线、地面干线均位于5 840 gpm与5 880 gpm之间的不稳定区,地面自动站极大风速风场有中尺度切变线,700 hPa西南急流将水汽向不稳定区域输送[图5(a)]。

图5

图5   副高与低空冷式切变线型(a)和西北气流型(b)雷暴大风天气概念模型

Fig.5   The subtropical high and low-level cold shear line (a) and northwest air flow (b) conceptual models of thunderstorm-gale weather


(2)触发机制

位于5 840与5 880 gpm之间不稳定区的700 hPa冷式切变线、700 hPa温度槽、850 hPa干侵入线、地面干线、自动站极大风速风场中尺度切变线触发不稳定区对流发展。

(3)雷暴大风落区

雷暴大风主要位于5 840与5 880 gpm线之间的不稳定区域,且与表6特征物理量阈值相重叠的区域内。即位于地面干线0~100 km范围内、700 hPa冷式切变线和低空急流轴0~50 km范围内、850 hPa干侵入线0~100 km范围内、自动站极大风速风场中尺度切变线20 km附近、云顶亮温≤205 K云区后部或前部梯度的大值区、多普勒雷达显著MARC的径向速度≥27 m·s-1的位置。0 ℃层高度≤5.1 km时,雷暴大风过程常伴有小冰雹,有低空急流时还伴有短历时强降水。

表6   副高与低空冷式切变线型雷暴大风特征物理量阈值

Tab.6  The thresholds of characteristic physical quantities of subtropical high and low-level cold shear line thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
7—83538-1-28261 000232520874
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
7—820543556.05.19.08.0

新窗口打开| 下载CSV


此型影响下,雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的96%、75%和30%。

3.2.6 西北气流型

该型共有9例,占比仅2.38%。

(1)流型配置

中低层为一致的西北气流控制。500、700、850 hPa温度槽呈后倾结构[图5(b)],700 hPa温度槽叠加在地面暖温度脊之上,500、700 hPa强劲的西北气流与等温线垂直,冷平流很强,850 hPa山西北中部风向与等温线走向近似平行,冷平流很弱,850 hPa与500 hPa温差≥29 ℃,低层温度槽叠加在地面暖温度脊之上以及温度直减率大均使得中低层大气层结不稳,700与850 hPa干侵入线及地面干线、700 hPa温度槽均位于500 hPa温度槽前不稳定区,地面自动站极大风速风场有中尺度切变线。

(2)触发机制

700 hPa和850 hPa干侵入线及地面干线、700 hPa温度槽、自动站极大风速风场中尺度切变线触发500 hPa温度槽前不稳定区的对流发展。

(3)雷暴大风落区

雷暴大风位于500 hPa温度槽与干侵入线之间,且与表7特征物理量阈值相重叠的区域内。即位于700 hPa温度槽和干侵入线0~50 km范围内、地面干线0~50 km范围内、自动站极大风速风场中尺度切变线20 km附近、云顶亮温≤235 K云区后部或前部梯度大值区、多普勒雷达低层径向速度≥26 m·s-1的位置。6月和7—8月0 ℃层高度分别≤3.0、4.2 km时,雷暴大风过程常常伴有冰雹。

表7   西北气流型雷暴大风特征物理量阈值

Tab.7  The thresholds of characteristic physical quantities of northwest air flow pattern thunderstorm gales

月份特征物理量
K指数/℃Si指数/℃CAPE/(J·kg-1T850-T500/℃T-Td/℃
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹500 hPa700 hPa850 hPa无冰雹850 hPa有冰雹
618306005283120151110
7—824261-103026282715108
月份特征物理量
云顶亮温/K组合反射率因子/dBZ0 ℃层高度/km-20 ℃层高度/km
无冰雹有冰雹无冰雹有冰雹无冰雹有冰雹
623540453.63.06.96.2
7—822545585.14.27.97.0

新窗口打开| 下载CSV


此型影响下,雷暴大风、强雷暴大风、极端雷暴大风分别占该型雷暴大风总数的94%、70%和0。

3.3 天气型及物理量阈值特点

前倾槽型是山西春、夏、秋季雷暴大风的主要流型配置,受东亚夏季风影响,副高与低空暖式切变线型和副高与低空冷式切变线型仅出现在7—8月。在高低空流型配置方面,前倾槽和后倾槽型地面一般无干线配合,其他型则常有地面干线出现。

不稳定条件:K指数阈值4—5月明显低于6—9月,而T850-T500却明显高于6—9月,说明春季发生的雷暴大风,T850-T500起主导作用。当有冰雹伴随时K指数、T850-T500、CAPE值均比无冰雹伴随时大,而Si指数有冰雹伴随时比无冰雹时小。

水汽条件:有冰雹或有短历时强降水伴随时,850 hPa的T-Td均小于无冰雹或无短历时强降水伴随时;受东亚夏季风影响,7—8月雷暴大风天气低层水汽条件明显好于其他月份。

0 ℃层和-20 ℃层高度:有冰雹伴随时0 ℃层高度明显低于无冰雹伴随时;4—8月0 ℃层和-20 ℃层高度呈现增高趋势,而8—9月则呈现降低趋势。因此,判断雷暴大风天气过程是否伴有冰雹出现时,需分月、分型阈值确定。

在同一时期,后倾槽、副高与低空暖式切变线、副高与低空冷式切变线的K指数(≥30 ℃)明显高于前倾槽和西北气流型(≤24 ℃);而前倾槽型的Si指数(≤4 ℃)明显高于其他5种概念模型(≤1 ℃),说明前倾槽触发雷暴大风的动力不稳定条件优于热力不稳定条件;伴有冰雹时,副高与低空暖式切变线、副高与低空冷式切变线的CAPE (1 000 J·kg-1)、0 ℃层高度(4.8 km)明显高于其他4型(CAPE586 J·kg-1、0 ℃层高度≤4.7 km),而850 hPa的T-Td(≤7 ℃)和云顶亮温(≤210 K)则明显低于其他4型,说明副高与低空暖式和冷式切变线型影响时,对流发展更旺盛。

4 结论

(1)山西年均雷暴大风日数具有北部多、南部少,山区多、盆地少,西部山区多于东部山区的分布特征,极端雷暴大风主要位于大同、吕梁、忻州北部等地。51%的县(市)年雷暴大风日数呈减少趋势,而西部山区呈增多趋势。雷暴大风最早发生在3月,最晚发生在11月,5—8月为高发期;日内雷暴大风频次有两个峰值,分别在16:00和21:00。

(2)山西雷暴大风天气主要有前倾槽、后倾槽、横槽、副高与低空暖式和冷式切变线、西北气流6种流型配置,各型分别占雷暴大风典型个例总数的61.9%、17.64%、11.9%、3.17%、3.17%、2.38%。

(3)各型K指数阈值4—5月明显低于6—9月,而T850-T500却明显高于6—9月;4—8月,0 ℃层和-20 ℃层高度呈增高趋势,而8—9月则呈降低趋势;利用各月各型0 ℃层高度阈值可以准确判断雷暴大风过程是否伴有冰雹出现,有低空急流配合时雷暴大风常伴有短时强降水。

(4)在满足各月物理量阈值条件时,前倾槽、后倾槽、横槽、副高与低空暖式切变线、副高与低空冷式切变线、西北气流型触发的强雷暴大风分别占各型雷暴大风总数的61%、33%、57%、50%、75%、70%,触发的极端雷暴大风分别占各型雷暴大风总数的50%、7%、28%、0、30%、0,前倾槽型触发极端雷暴大风占该型雷暴大风总数的百分比最大。

受新型监测资料年代较短限制,个例数较少的流型配置物理量样本较少,建立的概念模型存在不稳定的隐患,需后期积累更多的样本补充和完善。

参考文献

方开泰, 潘恩沛, 1982. 聚类分析[M]. 北京: 地质出版社.

[本文引用: 1]

方翀, 王西贵, 盛杰, , 2017.

华北地区雷暴大风的时空分布及物理量统计特征分析

[J]. 高原气象, 36(5): 1 368-1 385.

[本文引用: 2]

费海燕, 王秀明, 周小刚, , 2016.

中国强雷暴大风的气候特征和环境参数分析

[J]. 气象, 42(12): 1 513-1 521.

[本文引用: 2]

何志强, 卢新平, 王丙兰, 2014.

首都机场雷暴大风的初步研究

[J]. 气象, 40(11): 1 408-1 413.

[本文引用: 1]

李斯荣, 苗爱梅, 王洪霞, 2019.

山西秋季一次飑线过程的云图特征及维持机制

[J]. 干旱气象, 37(2): 312-321.

[本文引用: 1]

李强, 苗爱梅, 朱春雷, , 2022. 山西省雷暴大风的中尺度特征及风险区划[M]. 北京: 气象出版社.

[本文引用: 1]

梁爱民, 张庆红, 申红喜, , 2006.

北京地区雷暴大风预报研究

[J]. 气象, 32(11): 73-80.

[本文引用: 1]

廖晓农, 2009.

北京雷暴大风日环境特征分析

[J]. 气候与环境研究, 14(1): 54-62.

[本文引用: 2]

廖晓农, 于波, 卢丽华, 2009.

北京雷暴大风气候特征及短时临近预报方法

[J]. 气象, 35(9): 18-28.

[本文引用: 1]

罗爱文, 朱科锋, 方茸, , 2015.

江淮地区弓状回波的分布和环境特征分析

[J]. 气象, 41(5): 588-597.

[本文引用: 1]

马淑萍, 王秀明, 俞小鼎, , 2019.

极端雷暴大风的环境参量特征

[J]. 应用气象学报, 30(3): 292-300.

[本文引用: 2]

苗爱梅, 董春卿, 王洪霞, , 2017.

“0613”华北飑线过程的多普勒雷达回波特征

[J]. 干旱气象, 35(6): 1 015-1 026.

[本文引用: 1]

闵晶晶, 邓长菊, 曹晓钟, , 2015.

强对流天气形势聚类分析中SOM方法应用

[J]. 气象科技, 43(2): 244-249.

[本文引用: 1]

秦丽, 李耀东, 高守亭, 2006.

北京地区雷暴大风的天气-气候学特征研究

[J]. 气候与环境研究, 11(6): 754-762.

[本文引用: 2]

唐文苑, 周庆亮, 刘鑫, , 2017.

国家级强对流天气分类预报检验分析

[J]. 气象, 43(1): 67-76.

[本文引用: 1]

王伏村, 付双喜, 张德玉, , 2014.

一次雷暴大风引发的强沙尘暴天气的中尺度系统分析

[J]. 干旱气象, 32(6): 954-961.

[本文引用: 1]

韦惠红, 许冠宇, 刘希文, , 2022.

湖北省不同类型雷暴大风的时空分布及环境参数特征

[J]. 暴雨灾害, 41(1): 66-75.

[本文引用: 2]

许爱华, 孙继松, 许东蓓, , 2014.

中国中东部强对流天气的天气形势分类和基本要素配置特征

[J]. 气象, 40(4): 400-411.

[本文引用: 2]

严仕尧, 李昀英, 齐琳琳, , 2013.

华北产生雷暴大风的动力热力综合指标分析及应用

[J]. 暴雨灾害, 32(1):17-23.

[本文引用: 1]

杨晓霞, 胡顺起, 姜鹏, , 2014.

雷暴大风落区的天气学模型和物理量参数研究

[J]. 高原气象, 33(4): 1 057-1 068.

[本文引用: 1]

余蓉, 张小玲, 李国平, , 2012.

1971—2000年我国东部地区雷暴、冰雹、雷暴大风发生频率的变化

[J]. 气象, 38(10): 1 207-1 216.

[本文引用: 1]

俞小鼎, 2011.

强对流天气的多普勒天气雷达探测和预警

[J]. 气象科技进展, 1(3): 31-41.

[本文引用: 1]

钟利华, 曾鹏, 李勇, , 2011.

广西雷暴大风天气环流特征和物理量诊断分析

[J]. 气象, 37(1): 59-65.

[本文引用: 2]

CONIGLIO M C, STENSRUD D J, RICHMAN M B, 2004.

An observational study of derecho-producing convective systems

[J]. Weather and Forecasting, 19(2): 320-337.

DOI      URL     [本文引用: 1]

EVANS J S,DOSWELL Ⅲ C A, 2001.

Examination of derecho environments using proximity soundings

[J]. Weather and Forecasting, 16 (3): 329-342.

DOI      URL     [本文引用: 1]

JOSEPH M S, WALKER S A, 2011.

A climatology of fatal convective wind events by storm type

[J]. Weather and Forecasting, 26 (1): 109-121.

DOI      URL     [本文引用: 1]

There are still hundreds of casualties produced by thunderstorm hazards each year in the United States despite the many recent advances in prediction and mitigation of the effects of convective storms. Of the four most common thunderstorm hazards (wind, hail, flooding, and lightning), convective winds (tornadic and nontornadic) remain one of the most dangerous threats to life and property. Using thunderstorm fatality and Weather Surveillance Radar-1988 Doppler (WSR-88D) data, this research illustrates a spatial and temporal analysis of the storm morphological characteristics, or convective mode, of all fatal tornadic and nontornadic convective wind events from 1998 to 2007. The investigation employs a radar-based morphology classification system that delineates storm type based on an organizational continuum, including unorganized cellular, quasi-organized cellular (either a cluster of cells or a broken line of cells), organized cellular (supercells and supercells embedded in an organized linear system), and organized linear (either squall lines or bow echoes). Results illustrate that over 90% of the 634 recorded tornado deaths were associated with supercells, with 78% of the deaths due to isolated tornadic supercells and 12% linked to tornadic supercells embedded within an organized linear convective system. The morphologies responsible for the 191 nontornadic convective wind fatalities vary substantially, with bow echoes (24%), squall lines (19%), and clusters of cells (19%) the most prominent convective modes producing fatalities. Unorganized and quasi-organized convection accounted for nearly half (45%) of all nontornadic convective wind fatalities. Over half of all fatal tornadoes (53%) occurred between 0000 and 0600 UTC, and most (59%) fatalities from nontornadic convective winds occurred in the afternoon between 1800 and 0000 UTC. Two corridors of nontornadic convective wind fatalities were present: the lower Great Lakes region and the mid-South. Tornado fatalities were greatest in a zone extending from southeastern Missouri, through western Tennessee, northeastern Arkansas, Mississippi, Alabama, and Georgia. The methods employed and results found in this study are directly applicable in the further development of storm classification schemes and provide forecasters and emergency managers with information to assist in the creation and implementation of new convective wind mitigation strategies.

/