区域性暴雨的数值模拟和诊断分析的对比研究——以北京2012年7月21日暴雨为例*

张 杰，彭丽霞，史培军

(1.北京师范大学 地表过程与资源生态国家重点实验室，北京 100875；2.南京信息工程大学 大气科学学院，江苏 南京 210044；3.北京师范大学 民政部-教育部减灾与应急管理研究院，北京 100875； 4.北京师范大学 地理科学学部，北京 100875)

区域性暴雨的数值模拟和诊断分析的对比研究
——以北京2012年7月21日暴雨为例*

张 杰1,2,3，彭丽霞2，史培军1,3,4

(1.北京师范大学 地表过程与资源生态国家重点实验室，北京 100875；2.南京信息工程大学 大气科学学院，江苏 南京 210044；3.北京师范大学 民政部-教育部减灾与应急管理研究院，北京 100875； 4.北京师范大学 地理科学学部，北京 100875)

2012年7月21-22日，北京地区出现了有气象记录以来一次罕见的特大暴雨天气过程，对当地人民的生命财产造成了严重损失。该文采用新一代中尺度数值预报模式WRFV3.7，对这次极端降水天气过程进行了数值模拟研究，通过模式输出结果对其发生、发展机制进行了对比研究。研究结果表明WRF模式能够较好地模拟出这次暴雨的落区、暴雨演变过程和24h累积降水；本次暴雨过程的大尺度环流背景是典型的华北暴雨环流形势，暴雨过程主要由低空中尺度系统造成，暴雨的落区和强度是由中尺度系统随时间的移动而决定。

区域性暴雨；WRF；诊断分析；数值模拟；对比分析；北京“7·21”暴雨

全球变暖背景下的降水变化是目前气候学界关注的热点话题。全球气候变暖，从而使得地表蒸发加剧，大气持有水的能力增加，全球尺度和区域尺度的水循环加快[1]。根据克拉伯龙-克劳修斯方程，气温每上升1℃，饱和水汽压约增大7%。因为全球平均降水量与全球地表和大气能量平衡有关[2]，所以全球平均降水量的增加取决于大气净能量平衡的变化[3-4]。气候模式预测估计结果显示，在温室气体增加导致的变暖背景下，全球平均降水的增加速率为 1%～3% K-1[5-7]。然而，卫星观测资料显示，在过去20年(1987-2006)，全球平均降水对增暖的响应速率约为 6% K-1，与水汽响应速率相当。自然因素和人为因素在全球气候变化所引起的全球降水变化中的作用有所不同。刘建等人的研究表明[8]，自然因素(太阳辐射和火山活动，SV)和人为因素(温室气体，GHG)所造成的全球气候增暖都会使全球平均降水量增加，但全球降水量增加的幅度差异明显。全球平均降水对增暖的响应速率，在SV强迫下为2.1% K-1，而在GHG强迫下仅为1.2% K-1；在自然因素的外强迫下，热带陆地区域平均降水量增加幅度为5.5% K-1,而在人为因素外强迫下增幅只有2.4% K-1，二者差异很大。研究表明自然因素增暖的主要机制是海洋恒温机制，而人为因素增暖的主要机制是大气稳定机制[8]。二者的主要机理不同，从而造成了以上的巨大差异。降水过程可以分为两种，过程雨和对流雨。通过观测资料和模式模拟对比，分析这两种降水类型的降雨在降水过程中所占的比重，从而对区域性降水进行机理分析，可进一步探索区域性降水增多的原因。

在全球气候变暖的背景下，区域极端性、对流性降水不断增加。突发性的暴雨过程难以预报，从而造成了灾害;又因为时间短，降水落区集中，在大中城市设防不够的情况下造成较为严重的损失。因次，探寻极端暴雨降水形成的机理很有必要。

本文以2012年7月21-22日北京区域性暴雨为例，对一次强降水过程进行观测分析和模式模拟的对比研究，探寻区域性大暴雨发生的原因，重点从环流形势场和中小尺度天气系统分析此次降水的成因。

1 资料和方法

本文主要使用了MICAPS(Meteorological In-formation Comprehensive Analysis and Processing System)系统的站点实测数据、中国自动站与CMORPH(Climate Prediction Center Morphing Technique)降水产品融合的逐时降水量产品和NCEP/NCAR(National Centers for Environmental Prediction/National Center for Atmospheric Research)每6 h一次的1°×1°的FNL(Final Operational Global Analysis Data)资料。利用MICAPS系统站点实测数据、中国自动站与CMORPH降水产品融合的逐时降水量产品，分析此次暴雨过程的天气形势、降水实况；利用NCEP/NCAR每6 h一次的1°×1°的FNL(Final Operational Global Analysis Data)资料为WRF(Weather Research and Forecasting Model)模式模拟提供初始条件及边界条件；最后利用WRF模式输出的物理量，基于GrADS对此次暴雨过程数据进行分析。

2 天气形势分析和诊断

2.1 暴雨过程概述

北京“7·21”暴雨过程中强降水发生在2012年7月21日16时至22日02时，北京大部地区出现了降水，而在北京西南部房山区为强降水的中心。图1给出利用中国自动站与CMORPH降水产品融合资料所绘制的24 h累积降水量分布图。根据图1可知，从强暴雨中心和较强暴雨中心位置来看，暴雨落区大致呈东北—西南向分布；从降水量上来看，北京市从西北到东南，降水量不断的增多，大部分地区降水量超过100 mm，南部地区降水量超过200 mm，暴雨中心降水量超过300 mm；北京市各个观测站中，降水强度最大的是房山霞云岭台站，所测到的降水值达到338 mm[9-13]。此次暴雨过程降水强度大，降水持续时间长，强降水时段为7月21日16时至22日02时，这些时次的逐小时降水都在30 mm以上，均超过了小时降水大暴雨标准。此次暴雨降水强度大，降水时间长，强降水时段集中，其复杂的形成原因让预报本次暴雨过程存在困难，使预报结果并没有很好的给出准确落区，从而导致北京、河北等地100多人死亡，几十人失踪，给人民生命和财产带来极其严重的损失。此次特大暴雨洪涝灾害造成北京市大面积受灾，受灾人口约77.76万人，死亡79人，紧急转移安置9.59万人；倒塌房屋7 828间、严重损坏房屋4.4万间、一般损坏房屋12.19万间；农作物受灾面积5.75万hm2；直接经济损失159.86亿。

图1 2012年7月21日08时至22日08时 24 h累积降水图

图2 2012年7月21日06时500hPa天气环流场

2.2 环流背景分析

图2为2012年7月21日06时500 hPa天气环流场，是此次暴雨过程发生前的高空环流形式场。从500 hPa位势等高线来看，在贝加尔湖地区附近存在低压，从等温线来看，为深厚的冷系统，且温度场滞后于高度场，系统有加强的趋势。相对应的高空槽线位于贝加尔湖、蒙古、我国宁夏西北部区域；正值7月，副热带高压北抬升，副热带高压下沉气流控制华北地区，刚好北京地区处于副热带高压西北部边缘地区，并且受高压西北部西南气流控制，西南气流带有大量的水汽，为暴雨的发生提供了充足的水汽条件；位于宁夏地区的高空低压槽线前，有很强的正涡度平流，从而为暴雨的发生提供了必要的动力条件。从500 hPa温压场配置来看，槽线处温度场落后于高度场，这样高空槽就会有加强趋势。同时低压槽系统在受到地形(高山)影响的作用下，也会加强。华北地区受到副热带高压的控制，高空低压槽的移动被副热带高压阻碍，低压槽向东移动缓慢，同时副热带高压西北部的西南气流不断向北京地区输送水汽，从而在北京地区造成了持续时间长、降水强度大的一次暴雨过程。

2.3 物理量诊断分析

2.3.1 水汽条件分析

暴雨形成的必要条件之一便是充足的水汽供应[14-17]，只有在充足的水汽供应的前提下，才能够产生大量的降水。这就需要暴雨落区上空大气饱含大量的水汽，饱和层较厚，而且暴雨的维持也需要不断的水汽输送。分析此次暴雨发生前、后的低层大气的比湿发现，降水前，从850 hPa比湿场来看，图3a为2012年7月20日18时湿区分布，北京东南部为主要的湿区；图3b为2012年7月21日06时湿区分布，华北地区有一伸向北京南部地区的湿舌，为21日的降水提供了充足的水汽条件；图3c为2012年7月21日18时湿区分布，北京东南部地区还处于较湿的区域；图3d为2012年7月22日06时湿区分布，850 hPa层水汽含量较少，大气的含水量也较少，北京地区的降水过程基本结束。

图3 850hPa比湿场(单位：kg/kg)

水汽通量散度表示水汽的辐合、辐散，从图4中的四个图来分析暴雨过程，可以看出：700 hPa水汽通量散度，由辐散转变为辐合再转变回辐散。图4b是2012年7月21日06时水汽通量散度图，从图中可知道整个北京地区有强的水汽辐合，为暴雨提供了充足的动力和水汽条件；图4c为2012年7月21日18时的水汽通量散度图，北京地区的水汽辐合有所减弱，但表现为较强的辐合，为暴雨的持续发展提供必要的条件；图4d为2012年7月22日06时的水汽通量散度图，辐合区域在北京东南方向，北京地区表现为辐散，从降水方面看，此次暴雨过程也基本结束，所以在散度场也较为匹配。

2.3.2 动力条件分析

形成暴雨必须要有充足的水汽供应外，还需要有较强的动力抬升作用[18]。下面用涡度来分析暴雨发生区域的动力抬升条件。北半球，涡度的正值表示气旋运动，有辐合上升运动，从图5来分析暴雨过程可以看出：图5a是2012年7月20日18时的700 hPa涡度场，北京地区并没有处在涡度正值区域，北京东南部有较弱的正涡度；图5b为2012年7月21日06时的700 hPa涡度场，北京南部区域位于正值区域，有向上抬升运动，这就为暴雨的发生提供了动力条件；图5c为2012年7月21日18时的700 hPa涡度场，北京的南部和西南部有一个强的涡度正值中心，表示强的上升抬升运动，从而有力的促成了暴雨的发生和发展。

图4 700hPa水汽通量散度(单位:g/hPa/cm3/s)

图5 700 hPa涡度场(单位: 10-5×s-1)

垂直速度作为反映大气垂直上升速度的物理量[19-20]，在p坐标系中通常用dP/dt表示，负值表示上升运动，正值表示下沉运动，单位为Pa/s。沿115°E做经向剖面图，分别从四个时次分析暴雨过程中的垂直速度的变化情况。图6a为2012年7月20日18时的经向剖面图，在40°N处大气低层有强的上升运动，一直延申到高层；图6b为2012年7月21日06时至22日06时的经向剖面图，在41°N有强烈的上升运动，为暴雨的发生和发展提供了必要的上升运动和动力抬升作用。

图6 沿115°E垂直速度剖面图(单位：m/s×10-2)

20日，暴雨过程还未发生，北京地区上层大气饱含大量的水汽，大气不稳定度高，不稳定能量也很大，这些因素为暴雨的发生和发展奠定了基础；21日，暴雨发生过程中，700 hPa和850 hPa等中低层来自南方的部分暖湿气流，含有大量的水汽和不稳定能量，与冷空气相遇，暖湿气流辐合上升运动更加剧烈，这对暴雨的发生和发展，维持都及其有利。从之前的分析来看，散度场，涡度场和垂直速度这三者的良好配置，使得中低层大气(200 hPa以下)产生了大范围的深厚上升运动，从而为此次暴雨的发生提供了必要的动力条件。暴雨时空分布极不均匀，降水主要出现在北京市房山区，强降水集中在7月21日18时至22日0时，由于其短时间内小范围的降水，造成了此区域的大暴雨，形成严重的洪涝灾害。

3 数值模拟试验

3.1 WRF模式简介

WRF模式是中尺度数值模式The Weather Research and Forecasting Model。与以前版本的中尺度模式，比如MM4、MM5相比较，WRF模式模拟的结果与实况更接近，模拟的结果更为理想；其次WRF模式常用的水平分辨率为1～10 km[13]，而在时间尺度上，模式模拟通常确定在60 h[13]时间尺度范围内一定区域范围的天气系统预报的模拟问题。因此，可以将WRF模式应用于局地特征明显、降水过程强度大、中小尺度特征明显的暴雨过程模拟。

3.2 WRF模拟方案及资料介绍

本文采用WRFV3.7中尺度模式，模拟北京“2012.7.21”暴雨过程(图7)。模式中，使用双层嵌套，第一层粗网格中心经纬度设为40°N和115°E，网格格点数为74×61，网格距为30 km；第二层细网格格点数为112×97，网格距为10 km；两层网格垂直方向上均为27层，为了模式积分的稳定性，两重网格的模式积分时间步长分别设置为180 s和60 s。模式选用的物理过程参数化方案如下：微物理过程采用Ferrier(new-Eta)微物理方案，积云采用浅对流Kain-Fritsch(new-Eta)方案，长波辐射采用RTTM方案，短波辐射采用Dudhia方案，行星边界层采用YSU方案，陆面过程采用Noah方案，近地面层采用Monin-Obukhov方案。模式中使用NCEP/NCAR提供的数据分辨率为1°×1°，使用的数据资料的时间间隔为6 h一次；FNL数据资料为此次模拟所用到的模拟过程提供初始条件及边界条件，模式模拟的积分时间总共48 h，从2012年7月20日18时开始至到22日18时结束，模式模拟的结果每1 h输出一次。

图7 WRF模式模拟区域

3.3 数值模拟结果分析

3.3.1 降水

图8第一行是2012年7月21日18时至2012年7月22日00时的逐小时降水实况图，可以看出，从18时开始，北京地区开始强降水过程，且北京大部分地区都出现了降水，且大部分地区的逐小时降水量都在30 mm以上；从18时逐小时降水图可以看出，这个时段，北京暴雨降水有两个强降水中心，分别位与北京西南地区和北京中部偏东处，两个强降水中心的雨量都超过50 mm，到下一个时次，雨量有所减少，雨带向东方向移动，与大尺度环流背景相适应；在20时，暴雨只有一个中心，暴雨量值很大，暴雨中心位于北京西南房山地区，暴雨中心降水量超过70 mm，之后三个时次，随着时间的推移，整个天气系统向东移动，暴雨雨带也随之东移和减弱。从这个时段的逐小时降水来看，暴雨雨带呈现东北—西南走向，随时间的推移，暴雨雨带由西北移向东南，且从21日18时降水强度不断加强，到21时逐小时降水强度达到最大，暴雨中心降水量超过70 mm。之后，随着时间的推移，暴雨逐渐减弱，暴雨落区移出北京地区。

图8 逐小时降水分布图(单位:mm)

图8第二行是模式模拟输出的2012年7月21日18时至21日23时的逐小时累积降水图，与实况相对比，可以发现，模式输出的逐小时降水并不是很理想，18时，模式输出的累积降水图，只有一个强降水中心，与实况相对比，位于实况的两个强降水的中间地带，且强降水的降水量偏小，模式输出的强降水中心的降水量30 mm，随着时间的推移。从模式输出图来看，暴雨的雨带和中心位置都随着时间向东移动，这与实况的东南方向，略有偏差，模式输出的随后几个时间次序的降水中心和降水雨带的分布都与实况有所偏差。从雨带的大致分布上可以看出，模式基本上模拟出此次暴雨过程和暴雨中心，但从逐小时累积降水中心来看，位置与实况相比较，偏北；随着时间的推移，模式模拟的雨带也向东移动，且雨势不断增强，在21时达到最大，但暴雨的降水量偏小。与实际情况相比较，模式模拟的暴雨落区在前两个时次，基本上较好的模拟出了暴雨过程，但在之后的过程中，实况中出现了两个降水较为强的中心，而模式模拟并没有很好的模拟出这两个降水中心，只是模拟出较为偏北的降水中心，且降水量值偏小。

图9是模式模拟输出的2012年7月21日08时至22日08时模式模拟的24 h累积降水量，与模式输出的逐小时降水图相比较，24 h累积降水图就能较好的模拟出此次暴雨过程和暴雨雨带的分布以及暴雨中心落区和暴雨强度。与降水的实况图1对比，模拟与实况相比较，可以看出，模式模拟的24 h降水较为理想，但模式模拟的降水落区偏西偏北，降水中心降水值偏小。从24 h累积降水落区来看，模式模拟的降水落区成东北—西南向分布，与图1实况24 h累积降水相比基本一致，从24 h累积降水来看，模式基本模拟出了北京“2012·7·21”这次暴雨过程和暴雨落区，但24 h累积降水中心区域的最大降水量值与实况24h累积降水中心的降水量值相比较数值偏小。

图9 2012年7月21日08时至22日08时模式模拟的24 h累积降水图

图10 500hPa高度场和风矢量场的合成场(实线:500hPa位势高度；箭头：风矢量)

3.3.2 天气形势

本文选取模式输出的2012年7月20日18时、21日06时、21日18、22日06时四个时次高空环流形势场和风矢量场进行了对比分析，发现模式模拟的输出结果和实况较为一致。图10显示了这四个时次的500 hPa等高面高空环流形势场和风场的实况和模拟输出结果。与暴雨过程相匹配，图10a和图10b为20日18时的实况和模式输出环流形势场与风场。可以看出：北京位于脊线上，低压槽线位于河套地区，模式输出也模拟出了基本的环流形势场，风场与气压场相适应；图10c和图10d为2012年7月21日06时，低压槽东移，北京位于低压槽前，模式输出也模拟出了基本的环流形势场，模式输出的风场和实况相比较，风速偏小，但基本上模拟出了环流形势场中的低压槽系统，这也是暴雨产生的大尺度环流背景场；图10c和图10d为2012年7月21日18时，通过环流形势场和风矢量场分析可以看出模式输出和实况基本一致，且北京位于槽线上，环流形势场和风场相适应，也是北京地区暴雨发生最为强烈的时段。大尺度环流场为北京地区的暴雨发生提供了必要的大尺度环流背景场，从而使得北京地区的暴雨的发生和发展得到深厚的大尺度环流场的支撑；图10e和图10f为2012年7月22日06，环流场平稳，槽线移出北京地区，从环流场上分析，暴雨过程基本结束，模式输出和实况相一致。

4 结论与讨论

4.1 结论

本文使用MICAPS系统站点实测数据、中国自动站与CMORPH降水产品融合的逐时降水量产品，降水数据资料和NCEP/NCAR(National Centers for Environmental Prediction/National Center for Atmospheric Research)每6 h一次的1°×1°的FNL(Final Operational Global Analysis Data)资料对“7·21”北京特大暴雨进行了实况分析，以及影响此次暴雨的大尺度环流背景、暴雨产生的水汽条件、动力条件进行了分析。并使用了中尺度数值模式WRF3.7模式，模拟了此次暴雨过程，其中模式使用NCEP/NCAR(National Centers for Environmental prediction/National Center for Atmospheric Research)每6 h一次的1°×1°的FNL(Final Operational Global Analysis Data)资料作为初始场和边界条件。模式输出结果与实况相比较，分析研究得出以下结论：

(1)此次“北京7·21暴雨”过程为典型的华北地区暴雨的大环流背景形势场，从天气图来看，在贝加尔湖附近区域有一高空冷涡，冷涡的低空槽线南申至我国宁夏地区，北京东部副热带高压伸入华北，副高西北侧的西南气流提供的水汽输送和冷空气作用共同造成了这次暴雨过程。主要的雨带随着中小尺度天气系统而移动，暴雨的发生主要原因在于大的环流背景和中小尺度天气过程共同作用而产生。

(2)从整体上看，WRF3.7模式对此次暴雨的模拟，有一定的模拟能力，较好的模拟出24 h累积降水分布，其中：环流形势场和风矢量场的模拟较为理想，但逐小时累积降水的模拟效果不理想。模式能够较好地模拟出暴雨的大致分布、暴雨中心，以及24 h累积降水和暴雨的整个移动过程。

4.2 讨论

本文利用暴雨过程模式模拟方法，研究了区域性次暴雨过程，但未对暴雨过程进行观测资料数据同化。因此，模拟过程暴雨的逐小时降水不是很理想，需要更进一步同化数据；在模式模拟输出的500 hPa形势场中，未平滑滤波，与实况相比较，环流形势场存在许多小扰动。同时，在暴雨灾害中，对暴雨灾害的预警尤为重要，之后想要通过不同的气候背景和城市下垫面模式进行暴雨过成模拟的对比研究，从气候背景角度分析暴雨灾害过程。

[1] Held I M, Soden B J. Robust responses of the hydrological cycle to global warming. J Clim (accepted) [J]. Journal of Climate, 2006, 19:5686-5699.

[2] Trenberth K E, Stepaniak D P, Caron J M. The global monsoon as seen through the divergent atmospheric circulation [J]. Journal of Climate, 2000, 13(22): 3969-3993.

[3] Allen M R, Stott P A. Estimating signal amplitudes in optimal fingerprinting, Part I: Theory[J]. Climate Dynamics, 2003, 21(5-6): 477-491.

[4] Wentz F J, Ricciardulli L, Hilburn K, et al. How much more rain will global warming bring? [J]. Science, 2007, 317(5835): 233-235.

[5] Karl T R, Knight R W. Secular trends of precipitation amount, frequency, and intensity in the United States [J]. Bulletin of the American Meteorological society, 1998, 79(2): 231-241.

[6] Sun Y, Solomon S, Dai A, et al. How often will it rain [J].Journal of Climate, 2007, 20(19): 4801-4818.

[7] Climate change 2013:the physical science basis:Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change[M].Cambridge University Press,2014.

[8] Liu J, Wang B, Cane M A, et al. Divergent global precipitation changes induced by natural versus anthropogenic forcing[J]. Nature, 2013, 493(7434): 656-659.

[9] 陶诗言.中国之暴雨[M].北京:科学出版社,1980:3-225.

[10]骆凯，李耀东，秦丽.一次华北暴雨过程的数值模拟及水汽过程分析[J].暴雨灾害,2010,29(4):307-314.

[11]高万泉，周伟灿，李玉娥.华北一次强对流暴雨的湿位涡诊断分析[J].气象与环境学报,2011,27(1):1-6.

[12]梁丰，陶诗言，张小玲.华北地区一次黄河气旋发生发展时所引起的暴雨诊断分析[J].应用气象学报,2006,17(3):257-265.

[13]宁贵财, 王式功, 马敏劲, 等. 北京一次暴雨过程数值模拟和诊断分析[J].兰州大学学报 (自然科学版),2014,50(6):847-852.

[14]毛冬艳, 乔林, 陈涛,等. 2004年7月10日北京局地暴雨数值模拟分析[J].气象,2008,34(2):25-32.

[15]王国荣，王令.北京地区夏季短时强降水时空分布特征[J].暴雨灾害.2013,32(3):272-279.

[16]Barros A P, Lettenmaier D P. Dynamic modeling of orographically induced precipitation [J]. Reviews of Geophysics, 1994, 32(3):265-284.

[17]Sui C H, Huang C Y, Tsai Y B, et al. Meteorology-hydrology study targets Typhoon Nair and Taipei flood [J]. Eos Transactions American Geophysical Union, 2002, 83(24):265-270.

[18]俞小鼎. 2012年7月21日北京特大暴雨成因分析[J]. 气象, 2012,11(38):1313-1329.

[19]孙军,谌芸,杨舒楠，等.北京721特大暴雨极端性分析及思考(二)极端性降水成因初探及思考[J].气象, 2012,38(10):1267-1277.

[20]方翀, 毛冬艳, 张小雯, 等. 2012 年 7 月 21 日北京地区特大暴雨中尺度对流条件和特征初步分析[J]. 气象, 2012, 38(10): 1278-1287.

NumericalSimulationandDiagnosticAnalysisonaRainstorminBeijing7·21RainfallCase

ZHANG Jie1,2,3,PENG Lixia2and SHI Peijun1,3,4

(1.StateKeyLaboratoryofEarthSurfaceProcessesandResourcesEcology,BeijingNormalUniversity,Beijing100875,China; 2.CollegeofAtmosphericScience,NanjingUniversityofInformationScienceandTechnology,Nanjing210044,China; 3.KeyLaboratoryofEnvironmentalChangeandNaturalDisasterofMinistryofEducation,BeijingNormalUniversity,Beijing100875,China; 4.AcademyofDisasterReductionandEmergencyManagementofMinistryofCivilAffairsandMinistryofEducation,BeijingNormalUniversity,Beijing100875,China)

On21July2012,BeijingsufferedasevererainstormI,whichcausedseriousdamagetothelocalpeople’slivesandproperties.ThehighresolutionmodelWRF(WeatherResearchandForecast)developedbyNCARiswidelyusedtosimulatetheextremeprecipitationprocess.Inadditiontothat,theoutputsofWRFcanwellrepresentthephysicalmechanismofthesevererainstorm.Therefore,WRFisemployedinthispapertosimulatethe7·21severerainfallinBeijing,andthemainresultsasfollows: 1)WRFmodelcanwelllocatetheheavyrainfallarea,andsimulatethecumulativerainfallof24-hourrainstormevolution; 2)ThegeneralcirculationofatmosphereoftherainstormprocessisatypicalcirculationsituationinnorthChina,andtherainstormprocessismainlycausedbylow-levelmesoscalesystems,whilerainfallareaandintensityisdeterminedbythemesoscalesystemalongwiththemovementoftime.

regionalrainstorm;diagnosticanalysis;WRFnumericalsimulation;regionalcomparison;Beijing7·21heavyrainfall

2017-02-03

2017-03-21

国家自然科学基金创新研究群体资助项目(41321001)

张杰(1993-)，男，甘肃天水人，硕士研究生，主要从事区域性暴雨研究及数值模拟.E-mail：luck0213@foxmail.com

史培军(1959-)，男，陕西靖边人，教授，主要从事环境演变与自然灾害研究.E-mail：spj@bnu.edu.cn

10.3969/j.issn.1000-811X.2017.03.032.]

X43；P446

A

1000-811X(2017)03-0191-07

10.3969/j.issn.1000-811X.2017.03.032

张杰，彭丽霞，史培军. 区域性暴雨的数值模拟和诊断分析的对比研究——以北京2012年7月21日暴雨为例[J]. 灾害学，2017，32(3)：191-196,215. [ZHANG Jie, PENG Lixia and SHI Peijun. Numerical Simulation and Diagnostic Analysis on a Rainstorm in Beijing 7·21 Rainfall Case[J]. Journal of Catastrophology，2017，32(3)：191-196,215.