高原低涡是生成于青藏高原的中α尺度低压涡旋系统，水平尺度400~800 km、垂直尺度2~3 km，主要活跃于500 hPa等压面（陈功等，2012；李国平等，2017；李国平和张万诚，2019），该系统是夏季影响青藏高原的主要降水系统之一，也是强对流天气的重要触发天气型（林志强，2021；华维等，2024）。高原低涡东移与西南涡等天气系统耦合后，会造成四川盆地、长江流域的强降水，造成重大的经济损失和人员伤亡（李博等，2023）。

有关高原低涡的研究可追溯至20世纪60年代（陈乾，1964），随后青藏高原科学实验加密观测的开展、高原低涡年鉴的推广应用等，为该领域研究提供了关键数据支撑与技术保障（何光碧，2019；李国平，2021）。基于1998—2011年高原低涡年鉴的统计结果，其间共记录高原低涡561次，其中高原东、西部低涡分别为466、95次；高原低涡主要出现在夏季，7月最多（唐信英等，2014）。受高原西部地区探空观测站点稀疏、分布不均的影响，目前对该区域高原低涡的监测能力仍有待提高。

为弥补高原西部地区观测站点分布不足，有学者将客观识别技术应用于高原低涡研究（林志强等，2013；丁禹钦等，2021；汤欢等，2023；张敬萍等，2023），基于再分析资料统计其活动特征（林志强，2015）。利用卫星观测的云导风和黑体亮温资料，对年鉴记录的高原低涡进行复盘分析，结果表明年鉴中大部分的高原低涡可溯源至高原西部地区，高原西部新增探空站（狮泉河、改则和申扎）进一步加深了对该区域高原低涡源地的认知（林志强等，2023），同时验证了再分析资料在高原低涡研究中的可用性和有效性。

已有研究围绕高原低涡生成发展的热力和动力学机制开展深入探讨，重点分析了大尺度环流、辐射、潜热、感热等因子的作用（Wu et al.，2018；Zhang et al.，2019；李跃清，2022）。大尺度环流的调控作用显著，准双周振荡和热动力场会影响高原低涡的发生发展及移动过程（Zhang et al.， 2014；Li et al.， 2018；Li et al.， 2022）；郁淑华和高文良（2019）研究得出冷空气使高原低涡斜压性增强、垂直涡度发展，并对比了移出涡和未移出涡的涡源与高原地面加热的季节变化特征；地面热通量和辐射是关键热力，夏季地面感热通量与同期高原低涡生成频数呈高度正相关（张恬月和李国平，2018）；凝结潜热是高原低涡下坡后能否继续东移发展的重要影响因素（董元昌和李国平，2014）；太阳短波辐射则对高原低涡的发生发展具有明显的调制作用（邓中仁等，2022）。

高原低涡是影响区域降水的重要系统之一（Lin et al.， 2022），研究表明生命史超过60 h的高原低涡可引发高原暴雨、四川盆地暴雨或大暴雨（郁淑华等，2012）。通过热带降雨测量任务卫星（Tropical Rainfall Measuring Mission，TRMM）和全球降水观测卫星（Global Precipitation Measurement，GPM）等卫星资料及再分析资料，针对高原低涡强降水个例开展分析表明凝结潜热加热使位涡中心增强，高原低涡进一步发展，随着低涡系统继续向东移出高原，长江中下游地区中高层出现位涡平流随高度增加的大尺度动力背景最终导致强降水发生（马婷等，2020；魏栋等，2021）。

东北冷涡与高原低涡同属低涡天气系统，研究表明，东北冷涡引发的强对流天气在时空分布上呈现显著的象限差异（杨磊和郑永光，2023；曹艳察等，2024；Yang and Zheng，2024），如雷暴大风主要集中在冷涡中心的西南或南部象限，短时强降水则集中在南部或东南部象限，这种差异与各象限独特的环境条件密切相关。基于象限分析的系统性认识，已显著提升了东北冷涡背景下强对流天气的预报预警能力，然而目前针对高原低涡不同象限的降水和环境场特征的分析尚显不足。

青海高原位于青藏高原东北部，大到暴雨事件发生频次较低，但此类降水具有明显的局地性特征。由于该区域地形复杂且生态环境脆弱，强降水极易引发山洪、泥石流等次生灾害。高原低涡是造成青海高原暴雨和短时强降水的重要天气系统之一（姚秀萍等，2021；李生辰等，2022）。数值预报可提供较为准确的大尺度环流模拟与预报结果，但针对高原区域的模式降水预报（尤其是强降水）精度仍有待提高。开展青海高原低涡活动特征及其影响下强降水的相关研究，对理解青海高原降水形成机理及变化规律的认知、支撑区域降水预报业务优化具有重要的科学意义和应用价值。因此，本文针对高原低涡对青海高原降水的影响，基于林志强（2021）构建的1950—2021年高原低涡数据集、青海站点降水观测资料及再分析资料，分析青海高原低涡活动特征，探究高原低涡对该区域降水及极端降水的影响机制，以期为青海高原降水预报改进提供科学依据。

所用资料包括：1）1950—2021年高原低涡数据集，林志强（2021）基于多套再分析资料，通过高原低涡客观识别方法得到了一套长时间序列高原低涡数据集，包括高原低涡的位置、半径、强度、生命史和移动路径等特征；2）2016—2021年青海省781个气象站（52个国家站、180个国家地面天气站、549个区域站）（图1）24 h降水观测资料；3）欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts， ECMWF）发布的1979—2021年第五代大气再分析资料ERA5（ECMWF Reanalysis v5），水平分辨率0.25°×0.25°，时间分辨率1 h，具体变量包括降水、比湿、整层水汽通量、水汽通量散度、涡度、散度、垂直速度、对流有效位能（Convective Available Potential Energy，CAPE）、假相当位温、K指数，其中整层水汽通量、水汽通量散度、假相当位温通过计算得出，其余均为ERA5原始变量。大部分高原低涡均表现出显著的高层辐散与低层辐合特征，其无辐散层位于400 hPa，最大辐合层集中在600~500 hPa，最大辐散层则出现在200 hPa附近（林志强，2021），因此涡度和散度分别选择500 hPa及200 hPa（陈小婷等，2022）。

将ERA5每个格点1979—2021年24 h累积降水量分别从大到小排列，前1%的降水量为极端降水事件（林志强，2021）。根据中国气象局业务规定，按照24 h累计降水量，将降水等级划分为小雨（0.1~9.9 mm）、中雨（10.0~24.9 mm）、大雨（25.0~49.9 mm）和暴雨（≥50.0 mm）。为便于分析，5—9月界定为青海高原暖季，10月至次年4月界定为冷季（佘王康等，2024）。

通过2016—2021年青海高原781个气象站点观测数据，对ERA5降水数据适用性进行评估。利用最邻近插值法将ERA5格点降水插值到观测站点，分别利用Pearson相关系数（r）、均方根误差（Root Mean Square Error，RMSE）、平均相对误差（Mean Relative Error，MRE）评估ERA5再分析降水数据与观测降水数据之间的相关性和差异性。采用命中率（Probability of Detection，POD）、空报率（False Alarm Rate，FAR）、临界成功指数（Critical Success Index，CSI）3种检验评分评估ERA5对降水事件的辨识和捕捉能力，具体计算方法参考黄晓龙等（2023）文献。

青海高原2016—2021年ERA5日平均降水量为1.97 mm，站点观测日平均降水量为1.29 mm，ERA5与站点观测日降水量相关系数为0.62，均方根误差为3.35 mm，ERA5降水再分析资料较站点值偏多53.1%，POD、FAR和CSI分别为0.96、0.57和0.43。由ERA5降水再分析资料和站点观测日降水量的对比散点图（图2）可见，随着降水量逐渐增大，ERA5再分析资料对降水量的低估更加明显。

图3为2016—2021年青海高原ERA5资料在不同降水等级下的评估结果。可以看出，随着降水强度的增大，RMSE呈增大趋势：小雨级别ERA5较站点观测偏高，中雨及以上量级均偏低，且随着降水量级增大偏低更多[图3（a）]。随着降水量级增大，r、POD及CSI均呈减小趋势，FAR在小雨量级最低[图3（b）]。由于小雨日数在总降水日数中占主导地位，尽管ERA5对中雨及以上量级降水的模拟值明显偏低，但其对小降水量级的系统性高估仍导致总降水量整体上较站点观测偏多。

高原低涡数据集从500 hPa高度场中识别和追踪高原低涡（林志强等，2013），等值线包围的相对最小值作为低压系统，以最内圈等值线的平均位置为高原低涡中心，以最外围等值线为高原低涡区域，最外围等值线与高原低涡中心的平均距离为高原低涡半径。本文将高原低涡半径覆盖范围内降水定义为高原低涡关联降水，高原低涡资料时间分辨率为6 h，而降水资料分辨率为逐日资料，按照林志强（2021）的方式，各时次受高原低涡影响格点的空间叠加范围即为该低涡引发的当日降水范围。

对一个格点（站点），分别计算极端降水占比（f^EX）、高原低涡日占比（f_TPV）、高原低涡降水占总降水量的比例（${f}_{\mathrm{P}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$）、高原低涡极端降水日数占高原低涡日数的比例（${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$）以及高原低涡极端降水日数占总极端降水日数的比例（${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$），具体公式（林志强，2021）如下：

式中：N、N^EX、N_TPV、${N}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$分别为分析时段总日数、极端降水日数、高原低涡日数、高原低涡极端降水日数，单位均为d；P、P_TPV分别为总降水量、高原低涡降水量，单位均为mm。

利用动态合成分析方法（沈新勇等，2020）分析高原低涡降水及环境特征，可以避免简单算术平均合成方法带来信息平滑问题，该方法采用随高原低涡移动的动态坐标，高原低涡中心即为坐标的原点，将各样本相同坐标的格点进行算术平均即可得到动态合成场。该方法可以使高原低涡结构保持相对完整，而且周围环流系统的相对位置也基本得到保留。动态合成分析公式如下：

式中：S_t(x,y)为t时刻的物理量场，$\stackrel{-}{S}\left(x,y\right)$为动态合成后得到的样本平均，(x,y)为所选区域的坐标，根据高原低涡中心位置进行移动，M为样本总数。动态合成时，以各时刻高原低涡的中心位置为基准，向东南西北4个方向各延伸8个经纬度，在边长为17个经纬度（分辨率0.25°×0.25°）的正方形区域进行动态合成分析。

针对多套再分析数据得到的高原低涡数据集，评估得出ERA5再分析资料效果较好（Lin et al.，2020），该资料作为较新一代再分析资料，数据同化、物理模型、动力核均有改进，ERA5输出的气象变量也更为丰富。因此本文采用ERA5高原低涡数据集，由于降水与所对应天气系统紧密相关，为与高原低涡数据集所用数据源一致，高原低涡关联降水特征分析同样选用ERA5降水资料。

基于ERA5高原低涡数据集分析青海高原低涡年际变化[图4（a）]特征，得出1950—2021年年平均高原低涡62个，最多出现在1965年（90个），最少为38个（1975年），其中生成于青海高原的年平均高原低涡7个，最多（少）个数为12（2）个，途经青海高原的年平均高原低涡26个，最多（少）个数为41（15）个。暖季（5—9月）生成于青海高原的高原低涡个数、途经青海高原的高原低涡个数，分别占年平均总数的63.86%、79.63%，生成于青海高原的高原低涡生命史为18~126 h，途经青海高原的高原低涡生命史为18~186 h（图略）。高原低涡主要通过东移及东北移路径途经青海高原[图4（b）]。

图5为1979—2021年全年、暖季、冷季高原低涡日占比（f_TPV）的空间分布。可以看出，f_TPV高值区主要集中于西藏北部及青海西南部，全年最大值为17.01%，位于（33.75°N，86.50°E），f_TPV暖季最大为33.50%，冷季最大为5.58%。在青海范围内，f_TPV呈东北向西南递增的空间分布特征，全年最大为15.37%，暖季、冷季最大分别为29.21%、5.39%；不同季节而言，f_TPV夏季最高（33.90%），其次为春季（17.52%）、秋季（7.92%），冬季最低（2.11%）。

青海高原降水主要集中于暖季，日降水量空间分布最大值位于青海南部、祁连山区及青海东部地区。1979—2021年，青海高原低涡降水日的平均降水量均高于普通降水日，其中全年差值达2.12 mm，暖季、冷季分别偏高1.51、1.49 mm（表1）。高原低涡降水日平均降水量增幅较为明显区域为海西州东部、祁连山区、海南州、黄南州南部、玉树州及果洛州。高原低涡降水占总降水量的比例（${f}_{\mathrm{P}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$）与高原低涡日占比的空间分布基本一致，全年、暖季及冷季平均分别为16.03%、18.14%及8.18%（最大分别为37.92%、41.72%及21.95%）（图略）。

全年[图6（a）]、暖季[图6（b）]及冷季[图6（c）]高原低涡极端降水日数占总极端降水日数的比例（${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$）平均值分别为26.57%、26.67%及23.69%，全年、暖季${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$最大值分别为63.69%、64.10%，空间分布与高原低涡日占比分布基本一致，而冷季${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$最大值可达100.00%（位于海西州、玉树州西部及果洛州北部），主要原因是冷季极端降水较少，且该点极端降水均为高原低涡极端降水。全年[图6（d）]、暖季[图6（e）]及冷季[图6（f）]高原低涡极端降水日数占高原低涡日数的比例（${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$）平均值分别为4.96%、5.91%及0.83%，最大值分别为10.73%、12.31%及7.53%，位于海西州东部到海南州南部地区，这些区域高原低涡活动频次较少，但一旦发生，往往会引发较强降水，而高原低涡日占比较大区域（青海西南部）的全年、暖季及冷季${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$最大值仅分别为6.78%、8.32%及1.98%。

图7为1979—2021年青藏高原区域及青海高原区域高原低涡日占比（f_TPV）、高原低涡极端降水日数占总极端降水日数的比例（${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$）、高原低涡极端降水日数占高原低涡日数的比例（${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$）月际变化。可以看出，在青藏高原范围内[图7（a）]，f_TPV高值主要集中在4—10月，峰值为6月（1.60%），${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$高值也主要集中于4—10月，6月最高（3.09%），4—10月${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$平均值为f_TPV平均值的2.19倍，${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$峰值位于6—8月（5.20%~5.88%），8月最高。在青海高原范围内[图7（b）]，f_TPV高值同样集中在4—10月，峰值为6月（17.07%），${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$高值除处于4—10月外，3月（48.23%）、12月（59.09%）同样处于较高水平，4—10月${f}_{\mathrm{E}\mathrm{X}}^{\mathrm{T}\mathrm{P}\mathrm{V}}$平均值为f_TPV平均值的3.28倍，表明高原低涡东移过程中对极端降水影响更显著，${f}_{\mathrm{T}\mathrm{P}\mathrm{V}}^{\mathrm{E}\mathrm{X}}$峰值位于6—8月（6.55%~8.07%），7月最高（8.07%），8月次之（7.16%）。

与站点降水观测资料相比，ERA5在中雨及以上量级降水偏少，因此分别基于青海省气象站点降水观测资料及ERA5降水再分析资料对比高原低涡大雨落区分布（图8）。可以看出，以高原低涡中心为原点的高原低涡大雨频次呈现纬向宽、经向窄的不对称分布，其中东北象限大雨频次占所有大雨频次的比例最多，基于ERA5降水再分析资料的大雨频次占比达34.61%[图8（a）]，基于站点降水观测资料的大雨频次占比达39.75%[图8（b）]，对于站点降水而言，东南象限大雨频次占比次之（27.44%），西南象限最低（14.11%），对于ERA5格点降水而言，西北、东南象限大雨频次占比次之，分别为18.87%、18.25%，西南象限最低（12.53%）。从不同象限高原低涡中心不同距离处大雨发生频次占比[图8（c）]来看，大雨站点距离高原低涡中心最远可达7.00°，东北象限大雨最大频次占比出现在1.25°，西北象限及西南象限最大频次占比位于1.00°，东南象限大雨频次占比双峰分别位于0.50°及1.25°。

关联大雨的500 hPa高原低涡中心南侧存在明显的南风暖平流输送，配合西南-西风切变，高原低涡中心及附近区域相对湿度较大；200 hPa南亚高压西伸脊点偏西，青海具有更强的高空辐散，带来更强的上升运动（图略）。对能量条件来说，CAPE在东南象限具有更高的中位数及上、下四分位数[图9（a）]，K指数在东南象限及东北象限的均值及中位数明显大于其余象限[图9（b）]，500 hPa假相当位温在东北象限的均值与中位数均达到最大值，且数据分布更为集中[图9（c）]；从空间分布来看，CAPE大值中心主要位于东南象限[图10（a）]，K指数除大值中心位于东南象限外，高原低涡中心及东北象限1°范围内存在次高值[图10（b）]，500 hPa假相当位温高值区位于高原低涡中心南侧[图10（c）]。就水汽条件而言，500 hPa比湿[图9（d）]、600 hPa比湿[图9（e）]在东北象限和东南象限呈现更高的中位数及均值，东北象限数据分布更为集中，整层水汽通量散度除西北象限外，均表现为较好的水汽辐合[图9（f）]；从空间分布来看，高原低涡中心及东北象限强盛的南风、东南风可引发较强的水汽辐合[图10（d）]。就动力条件而言，500 hPa涡度[图9（g）]、200 hPa散度[图9（h）]、500 hPa垂直速度[图9（i）]在西南象限的均值及中位数最大；从空间分布来看，高原低涡中心及东北、西南象限500 hPa的涡度中心与200 hPa的散度中心在垂直方向上形成耦合[图10（e）]，这种“低层辐合、高层辐散”的配置极大地促进了深厚的上升运动[图10（f）]。

由于东南、西南、东北象限分别具有不稳定能量、动力、水汽条件等优势，基于2016—2021年高原低涡关联大雨站点降水及其相应格点的低涡属性及水汽、动力、热力等物理诊断量，采用决策树、随机森林、梯度提升树（Gradient Boosting Decision Tree，GBDT）回归模型对物理量贡献度进行排序（王雅君等，2024），结果表明，K指数、水汽通量散度与500 hPa涡度为关键因子，这与东北象限“高K指数-强水汽辐合”配置下高原低涡关联大雨频次最多的结果相吻合。

本文基于1979—2021年高原低涡数据集、青海省781个站点降水观测及ERA5再分析资料，利用高原低涡降水关联方法及动态合成分析方法，分析青海高原低涡日占比、高原低涡关联降水及极端降水特征、关联大雨的高原低涡环境场特征，得到以下主要结论。

1）高原低涡年均数为62个，其中生成于青海高原7个，途经青海高原26个。高原低涡日占比高值区集中于西藏北部及青海西南部，青海高原低涡日占比呈东北向西南递增的空间分布特征，全年最大为15.37%，高原低涡日占比夏季最高，冬季最低。

2）高原低涡降水占总降水量的比例全年平均（最大）为16.03%（37.92%），高原低涡极端降水日数占总极端降水日数的比例全年平均为26.57%，全年最大值位于青海西南部（63.69%），高原低涡极端降水日数占高原低涡日数的比例全年平均值为4.96%，全年最大值位于海西州东部到海南州南部地区（10.73%），这些地区较少的高原低涡往往带来较大的降水。

3）青海高原低涡日占比高值主要集中在4—10月，6月达峰值（17.1%）。4—10月，在青藏高原范围内，高原低涡极端降水日数占总极端降水日数的比例，其平均值为高原低涡日占比平均值的2.19倍，在青海高原范围内，该值达3.28倍，表明高原低涡东移过程中对降水的影响更显著。

4）以高原低涡中心为原点的高原低涡大雨频次呈现纬向宽、经向窄的不对称分布，大雨落区集中分布在东北象限和东南象限，大雨发生频次最大出现在距离低涡中心0.50~1.25个纬距范围内。从不同象限环境特征分布来看，东南象限具备高能条件，西南象限具有强动力条件，东北象限则存在较好的水汽辐合。采用机器学习模型对各物理量贡献度进行排序后发现，K指数、水汽通量散度及500 hPa涡度为关键影响因子，这与东北象限“高K指数-强水汽辐合”配置下，高原低涡引发大雨频次最多的结论相吻合。