贵州省冬季雨凇灾害预测模型的初构

张娇艳，王玥彤，吴战平，李　扬

(1.贵州省气候中心，贵州 贵阳　550002;2.贵州省山地气候与资源重点实验室，贵州 贵阳　550002;3.贵州省贵阳市气象局，贵州 贵阳　550001)

1　引言

雨凇是云中降落的过冷却雨滴在温度≤0 ℃的物体表面产生的一种冻结现象，是贵州省冬季主要的灾害性天气。雨凇天气一旦持续，则会造成较大危害，如2008年初，我国南方出现大范围持续低温雨雪冰冻天气，造成了严重的灾害[1-3]。因此，在实践中不断提高雨凇灾害的预测水平有十分重要的意义。通常情况下，贵州省雨凇天气集中出现在27°N这一纬度带，并与我国南方低温阴雨相伴，这与亚洲中高纬度阻塞形势对雨凇天气的逆温层维持关系十分密切。在已有的研究中发现影响雨凇强度的因子主要有中高纬度的阻塞高压、在中国江淮和其南方地区静止锋的维持以及在南支急流中的扰动活跃，例如：白慧等[4]在研究中发现，从海平面气压场(Sea Level Pressure，下文简称SLP)上发现冬季西伯利亚高压强度与冬季雨凇强度有很好的相关性，并且还发现赤道中东太平洋的海温异常的年际信号在贵州冬季雨凇日数预测中有较好的预测效果。许丹等[5]利用1951—1996年冬季凝冻指数研究发现，欧亚地区500 hPa高度距平场“北高南低”的分布型会对应贵州省冬季雨凇强度强，反之，“北低南高”的距平分布对应贵州冬季雨凇强度弱。但是在贵州省实际预测业务工作中，以上部分结论的研究时段尚停留在较早年份，且由于指标量化不够具体，不利于实际应用。根据预测需求，本研究将在前人研究的基础上，利用最新资料进一步提炼归纳贵州省冬季雨凇灾害预测模型(本研究用雨凇发生日数表征雨凇强度)，且将模型指标量化，并利用该模型开展对2016年冬季雨凇强度的试报。

2　资料和方法

本文所用资料有贵州省84个气象观测站1961—2016年冬季雨凇逐日观测资料，值得注意的是，黄平、万山和白云站分别于1974年、1977年、1982年才有观测记录，为了序列的完整性和客观性，数据采用严小冬等[6]提出的考虑点与点、点与场关系的方法，将上述3站缺测资料进行了定量恢复，其拟合相关通过95%信度检验。

此外，本文还采用1961年1月—2017年2月NCEP NCAR逐月再分析资料，要素包括500 hPa高度场、海平面气压场，水平分辨率为2.5°×2.5°。海温资料为1961年1月—2017年2月NOAA Extended Reconstructed Sea Surface Temperature,Version 4海表面温度数据，水平分辨率为2°×2°。

本研究中开展预测参考了来自国家气候中心(BCC)第二代海气耦合模式季节预测系统对500hPa高度场的预测结果(以下简称BCC模式)以及来自WMO亚洲区域中心(JMA)对海平面气压场的预测结果(以下简称JMA模式)，分别可从http://cmdp.ncc-cma.net/cn/和http://ds.data.jma.go.jp/tcc/网站下载。值得指出的是，省级部门在日常短期气候预测工作中，能及时有效参考的大气环流客观产品较少，以上两种是最常用和稳定的。

研究所用方法主要是常用的气象统计方法，如合成分析、相关分析等。文中所用气候平均态取1981—2010年的30a平均值。

3　贵州省冬季雨凇灾害预测模型

3.1　贵州省冬季雨凇强度时空变化特征分析

图1是贵州省1981—2010年多年平均冬季雨凇日数分布状况。分析发现，贵州省雨凇频发地区主要集中出现在27°N附近，最大值出现在威宁站，年平均雨凇日数能达到38.2 d，在同一纬度附近雨凇日数较多的站还有水城站、大方站、开阳站和万山站。研究表明[6]贵州省雨凇日数分布形态与地形密切相关，上述雨凇日数多的站大多位于海拔高度和相对高度较高的地区。贵州省南部地区因纬度偏南，温度偏高，几乎没有雨凇发生。

图1　贵州省1981—2010年多年平均冬季雨凇日数分布图(单位：d)Fig.1　Spatial distribution of annual averageglaze days(unit:days) in winter over Guizhou during 1981-2010

图2是1961—2015年贵州省雨凇日数距平时间序列分布，从11 a滑动平均值可以看出，20世纪60—80年代距平值以正距平为主，表明在该时段内雨凇强度是较平均水平偏强，而从20世纪90年代开始，距平值小于0，并且一直呈现减小的趋势直至21世纪初。

观察图中雨凇距平时间序列发现，除上述特征外，近年来极端雨凇的事件较多，2000年以后，有3个年份有较强的雨凇发生，分别是2007年、2010年和2011年，分析这3 a的强度，发现2007年冬季的雨凇强度是在研究时段的55 a内强度最强的，2010和2011年的雨凇强度也超过一倍标准差较多，在时间序列包含的55 a中，都进入雨凇强度排名前五；在雨凇整体偏弱的21世纪，总共发生3次较强的雨凇事件，都排至55a中雨凇强度前5，这说明雨凇强度虽然在减小，但是极端的事件出现的概率却有增无减，今后的预测中并不能忽视。

综上所述，不论是11a滑动平均还是线性趋势，贵州省冬季雨凇都是呈现减弱趋势。为进一步构建贵州省冬季雨凇灾害预测模型，从图2中选取雨凇日数异常偏多或者异常偏少排名前4位的年份如下(均通过了1倍标准差±)：研究时段内1976年、1983年、2007年和2010年为雨凇异常偏多年，1986年、2000年、2014年和2015年为雨凇异常偏少年。后文将上述异常年大气环流场进行合成分析，探究雨凇异常年份的大气环流差异。

图2　贵州省1961—2015年雨凇日数距平时间序列(柱状图：雨凇日数距平；黑色虚折线：距平的11a滑动平均；黑色虚直线：1倍标准差，单位：d)Fig.2　Time series of glazedays anomaly in Guizhou during 1961—2015 (glaze days anomaly,column;11a moving average of anomaly,black dotted polyline;standard deviation,black dotted line;unit:days)

3.2　北半球500 hPa月平均环流场分析

图3分别为雨凇强、弱年份的位势高度距平场的分布形势，从图3a可以看到，强雨凇年欧亚大陆中高纬地区距平表现为“北正南负”的分布形势，表现为萨彦岭—乌拉尔山一带的高压脊增强，东亚大槽加深，环流经向度大，高纬度地区的高度场为正距平，低纬度地区的高度场为负距平，西伯利亚—乌拉尔山地区形成的高压与寒潮关键区所在位置相吻合，高空呈现类似于EU正位相的分布，从而使得我国东部降温大量冷空气在此积聚，最后南下入侵我国，会产生一次次的寒潮过程，有源源不断的冷空气沿着槽后脊前的西北气流输送到我国南方地区。这种配置使得形成雨凇的低温条件得到满足。而刘毓赟等[7]在研究中也证实了，EU正位相会使得东亚大槽加深，导致东亚冬季风偏强，东亚地区温度偏低。分析弱雨凇的年份距平场的合成时，发现其距平场的分布与强雨凇年的分布形势正好相反，呈现“北负南正”的距平分布，这种分布不会加深环流经向度，也不易产生大范围降温。综合分析后发现强/弱雨凇年合成场分别对应正/负(50～70°N、40～80°E)和负/正(20～40°N、60～100°E)的范围，将500 hPa异常场这两个区域定义为雨凇强弱关键区，且在强雨凇年关键区通过了95%的信度检验，可信度更高。

3.3　北半球海平面气压场(SLP)月平均环流场分析

图4是SLP的合成分析结果，分析发现，在雨凇强年时(图4a)，SLP场上发现西伯利亚高压偏强，面积偏大，且东扩南伸，在蓝柳茹等[8]的研究中指出这一现象是由于同期500 hPa高度场的异常分布类似EU正位相(乌拉尔山地区高度场异常偏高)以及增强型的欧亚脊促使西伯利亚高压得以发展。从距平场上来看，主要的正距平区域与500 hPa高度场上的正距平区相近，但面积更大，覆盖整个西伯利亚地区。这种大范围的正异常会使得西伯利亚高压进一步加强扩张、导致冷空气更容易南下。相比较而言，在雨凇强度弱年时(图4b)，与上述位相相反，西伯利亚高压偏弱、面积偏小，向北收缩，同期500 hPa高度场的异常分布类似EU负位相的配置。从距平场分析得知，西伯利亚的乌拉尔山地区SLP呈负异常分布，不利于西伯利亚高压的加深与维持，进而不利于冷空气南下。相比于西伯利亚高压的强度与面积，雨凇强弱年SLP异常场的特征更便于辨认和判断，强/弱雨凇年合成场分别对应正/负(45～65°N、40～80°E)，将SLP异常场这个区域将作为确定雨凇强弱的另一个关键区，且在强、弱雨凇年关键区均通过了95%的信度检验。

图3　冬季500 hPa位势高度合成场(a)强雨凇年,(b)弱雨凇年(等值线：原始场；填色图：距平场；单位：m)圆点为通过了95%信度检验Fig.3　Composite analysis of 500 hPa geopotential height field (a)strong glaze disaster and (b) weak glaze disaster (original field,contour; anomaly field,shaded; unit:m),dots represented the station passed the 95% confidence level

图4　冬季海平面气压场(SLP)合成场(a)强雨凇年,(b)弱雨凇年(等值线：原始场；填色图：距平场；单位：hPa)圆点为通过了95%信度检验Fig.4　Composite analysis of SLP (a)strong glaze disaster and (b) weak glaze disaster (original field,contour; anomaly field,shaded; unit:hPa),dots represented the station passed the 95% confidence level

3.4　北大西洋海温异常对冬季雨凇的影响

根据上述分析以及多年业务经验总结，过去的预报因子主要着眼于500 hPa高度场的分布型以及SLP。而中高纬度海洋可通过上下游效应影响中国气候。影响中国冬季冷空气活动的3大冷空气源地都在中高纬度。北大西洋是3大冷空气源地中的一员，该海域的异常海温可影响北半球大气行星尺度环流，从而影响东亚气候，对中国气候的变化也存在直接和间接的关系。曲巧娜等[9]在研究中发现，12月北大西洋海温异常(Sea Surface Temperature Anomaly，简称SSTA)通过影响中东急流，出口区北侧运动影响500 hPa中亚低槽的运动，进一步影响西南地区冬季覆冰强度。王玥彤等[10]在研究中发现前期秋季北大西洋海温对西南地区冬季冻雨强度有一定影响。

本研究中发现，前期秋季北大西洋海温异常与贵州省冬季雨凇有一定的相关关系，北大西洋海温异常与贵州省冬季雨凇距平时间序列有很好的相关性(图5)。主要关键区在北大西洋25～35°N，60～40°W，呈显著的负相关关系。说明当北大西洋该关键区海温异常偏低(高)时，对应贵州省冬季雨凇强度偏强(弱)。因此将该指标运用到冬季气候预测业务中能够在一定程度上提高预测准确性。

图5　前期秋季北大西洋海温异常与贵州省雨凇距平序列相关分布图(红色区域为通过了95%信度检验)Fig.5　Correlation between SSTAover the North Atlantic Ocean in autumn and glacial sequence anomaly in Guizhou with the red area standing for which passed the 95% confidence level

4　对2016年冬季雨凇强度的试报

图6a和7a分别给出了2016年11月起报的BCC模式冬季500hPa环流场和JMA模式冬季SLP环流场，根据上文给出的两组关键区，2016年冬季更接近于雨凇偏弱的配置。同时，与相应的实况场相比，BCC模式和JMA模式对关键区的把握还是较为准确的(图6b和7b)。此外，根据上文得出的前期秋季北大西洋海温与贵州省雨凇强度的关系，结合2016年秋季北大西洋海温实况(图8)，更进一步肯定了2016年冬季雨凇强度偏弱的结论。结合实况场来看(图9)，2016年冬季雨凇强度明显偏弱，因此该模型对2016年冬季雨凇强度试报成功。

图6　2016年冬季500 hPa位势高度场(a)BCC模式预报场，起报时间2016年11月与(b)实况对比(等值线：原始场；填色图：距平场；单位：m)Fig.6　500 hPa geopotential height field in winter,2016,(a)BCC model,starting in November,2016 and (b) observation (original field,contour; anomaly field,shaded; unit:m)

图7　2016年冬季海平面气压场(SLP)(a)JMA模式预报场，起报时间2016年11月与(b)实况对比(等值线：原始场；填色图：距平场；单位：hPa)Fig.7　SLP field in winter,2016,(a)JMA model,starting in November,2016 and (b)observation (original field,contour; anomaly field,shaded; unit:hPa)

图8　2016年秋季北大西洋海温SST实况(等值线：SST；填色图：SSTA；单位：℃)Fig.8　SST and SSTA observation over the North Atlantic Ocean in autumn,2016 (original field,contour; anomaly field,shaded; unit:℃)

图9　贵州省2016年冬季雨凇日数距平(单位：d)分布图Fig.9　Spatial distribution of the glaze days anomaly (unit:days) in winter over Guizhou in 2016

5　总结与讨论

本研究利用1961—2015年贵州省逐日雨凇观测资料，NCEP/NCAR海平面气压场和500 hPa高度场逐月再分析资料，以及NOAA ERSSTV4逐月海表温度资料，初步构建了贵州省冬季雨凇灾害预测模型。模型主要量化为以下指标：雨凇灾害偏强/弱时，对应500 hPa位势高度异常场正/负(50～70°N、40～80°E)和负/正(20～40°N、60～100°E)，对应海平面气压异常场正/负(45～65°N、40～80°E)，对应前期秋季北大西洋关键区(25～35°N，60～40°W)的海表温度异常为负/正异常。且强雨凇年时，该模型的可信度更高。利用该模型，本研究展开了对2016年冬季雨凇强度的试报，试报结果为强度偏弱，与实况场吻合，表明该模型有一定的参考价值。

在查阅文献后发现，宗海锋等[11]通过数值模式验证黑潮和西北大西洋海温共同作用能够模拟出2008年1月中国南方雪灾，而曲巧娜等[9]分析发现中东急流对我国西南地区覆冰形成有一定影响。在今后的研究中，应该进一步结合前人研究寻找更多能够影响贵州省冬季雨凇强度的因子，提高预测业务水平。