2019年2月北京地区3次回流降雪过程的水汽输送特征分析

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 60, No. 5 (Sept. 2024)

北京大学物理学院大气与海洋科学系, 北京 100871; † 通信作者, E-mail: hxue@pku.edu.cn

摘要为提高北京地区回流降雪预报的准确率, 利用 ERA5/GDAS 全球格点再分析资料和 HYSPLIT 轨迹追踪模式, 对 2019 年 2 月发生在北京地区的 3 次回流降雪过程进行天气学分析和水汽输送特征分析。结果表明, 在 3 次回流降雪个例中, 偏东气流中的水汽含量有限, 当出现偏南水汽通道的配合时, 可产生明显的降雪。在典型回流形势(2 月 14 日)下, 高后回流与河套倒槽配合, 回流水汽输送通道更为深厚, 利于降雪; 在非典型回流形势(2 月 6 日和 12 日)下, 回流水汽输送集中于大气的低层(850hPa 以下)。2 月 12 日南支气流水汽输送贡献较大, 对南支气流水汽输送的忽视是导致 2 月 12 日降雪漏报的原因之一。3 次回流降雪个例在偏东和偏南路径上水汽输送至北京地区的时间与白天显著降雪的时段基本上对应, 可作为预报回流降雪的关键因子。

北京冬季降雪的环流型主要有低槽(涡)型和中亚低槽东亚高后型两类[1], 都与对流层中低层(700hPa 以下)西南急流的暖湿水汽输送有关。低槽(涡)型是由于中低层的西南急流与偏西或偏北方向来的冷空气在华北中东部相遇, 形成锋面, 造成强迫抬升, 产生降雪。中亚低槽东亚高后型降雪是由于东北地区南下的较强冷空气途经渤海后转而向西, 在华北中东部地区与西南暖湿气流形成锋区, 即所谓回流天气形势, 往往产生大雪、暴雪甚至特大暴雪[2–6]。通常, 中亚低槽东亚高后型降雪量大于低槽(涡)型。

典型的回流天气在中高空受槽线影响, 低层高压向华北地区东侧延伸, 且势力较强, 高压后部具有明显的倒槽(低涡)[7]。这种典型的回流天气水汽输送主要来自 700hPa 的西南暖湿气流, 也有来自低层偏东方向的气流贡献[8]。张迎新等[9]认为, 虽然来自东北平原的低层冷空气经渤海侵入华北平原, 但仍然保持干冷气团的特性, 在降水中起到“冷垫”的作用, 使系统抬升。非典型的回流天气没有明显的高空系统配合, 低层高压较弱, 没有明显的倒槽, 系统整体上较为浅薄, 亦称为“浅回流”[10]。这种形势下, 没有明显中层 700hPa 的西南急流水汽输送, 只有单一的低层偏东方向来的气流。

目前, 对非典型回流降雪过程的研究尚比较薄弱, 对没有明显高空系统配合情况下偏东风产生降雪的机制研究较少。这种单一的低层偏东气流的水汽输送, 即完全由“回流”天气系统造成的降雪, 由于水汽含量相对较低, 平均降雪量一般较小[11], 因此在实际业务中存在空报和漏报问题[12–14]。北京2019 年发生 3 次回流降雪, 其中 2 月 6 日和 2 月 12日在天气形势上为非典型回流, 2 月 14 日为典型回流。2 月 6 日降零星小雪, 2 月 12 日和 2 月 14 日均降小雪。2 月 12 日的降雪过程为一次漏报过程。

对于非典型回流降雪, 低层水汽条件更为重要。如果低层水汽条件差, 即使中低层上升运动系统明显, 也难以形成有效降水。如果低层受充沛的暖湿气团控制, 并配合弱辐合上升运动, 即使中高层不存在明显的辐合系统, 也能够产生较明显的降雪[13]。漏报的原因之一是预报员难以把握低层气流中水汽的贡献。

本文围绕 2019 年 2 月北京地区 3 次降雪过程的环流背景和水汽条件, 采用 HYSPLIT 轨迹追踪模式, 对其水汽输送进行定量分析, 并结合空中热力状况进行比对, 研究非典型回流降雪天气的水汽输送特征, 以期为回流降雪预报提供有益的参考。

1 资料与方法

首先, 基于欧洲中期天气预报中心 ERA-5 的再分析资料(水平分辨率为 0.25°×0.25°, 时间分辨率为 1 小时), 选取 2019 年 2 月 6 日、12 日和 14 日 08:00 (BJT)的空中位势高度、风场、比湿和温度要素以及平均海平面气压和 10m 风场要素, 对分别发生在这 3 天的降雪过程进行天气学诊断分析, 展示 3 次过程的回流特征。然后, 基于 HYSPLIT 模式, 将NCEP/GDAS 全球格点再分析资料(水平分辨率为1°×1°, 时间分辨率为 3 小时)作为输入场, 得到水汽输送轨迹; 对水汽输送轨迹进行聚类, 得到典型的水汽输送簇, 并分析水汽输送回流特征。将 ERA5再分析资料插值到北京市海淀气象观测站降雪开始前 1 小时内的探空资料中, 用于辅助说明水汽通道的贡献。3 次降雪过程的降雪量实况资料来自海淀国家气象观测站称重雨量观测设备, 降雪时段由综合天气现象仪和人工观测质量控制给出, 积雪深度来自人工测量。2 月 6 日降雪量为 0.0mm (存在降雪天气现象, 无积雪), 降雪时段为 08:20—11:35 和19:29—20:00, 没有积雪。2 月 12 日的降雪量为 1.0mm, 降雪时段为 08:26—15:47, 积雪深度为 1cm。2 月 14 日的降雪量为 1.3mm, 降雪时段为 08:00—19:40, 积雪深度为 3cm。

本研究借鉴孙建华等[15]以及黄丁安等[16]在江淮区降雨水汽研究中的方法对水汽输送进行分析, 采用美国 NOAA 空气资源实验室开发的轨迹模式HYSPLIT V4.9[17]。模式资料采用时间分辨率为 6小时的 NCEP/GDAS 全球格点再分析资料(水平分辨率为 1°×1°, 垂直方向分为 26 层), 物理量涵盖地表和高空各层的温度、湿度、气压(高度)以及 3 维风场。由于大气中的水汽大部分集中在对流层的中低层(700hPa以下), 本文选取 700, 850 和 925hPa 这3 个高度, 对北京地区(39—40°N, 116—117°E)进行02:00, 05:00, 08:00, 11:00, 14:00, 17:00 和 20:00 共 7个时刻为期 72 小时的后向追踪, 用追踪得到的后向轨迹来进行聚类分簇。2 月 6 日有两簇, 2 月 12 日和14 日各有 3 簇。在对聚类结果的分析中, 为比较 3个个例中轨迹到达北京地区的时间, 把各簇中每条轨迹到达北京地区的时间进行归一化处理, 得到该条聚类轨迹到达北京地区的相对时间。

考虑到在水汽的长距离输送中, 水汽含量会因相态转化或扩散条件的变化出现波动, 引入通道水汽贡献率 Qall 这一参数, 对积分时段内的全部水汽进行总体度量:

其中, qit 为气团在各模拟时次的比湿, m 为该簇中所含的轨迹条数, n 为轨迹总数。

2 三次回流降雪的天气形势

图 1 给出 2019 年 2 月 6, 12 和 14 日 3 天空中500, 700 和 850hPa(图 1(a)～(i))和地面(图 1(j)～(l))的天气形势。可以看出, 6 日 500 和 700hPa 在内蒙古一带均存在横槽, 北京上空为平直西风环流控制(图 1(a)和(d)), 850hPa 横槽位于北京上空, 等温线较为密集, 存在冷暖空气交汇(图 1(g))。地面, 高压中心位于贝加尔湖以西, 北京附近的气压分布呈现“北高南低”的特点。地面流线曲率小, 回流较弱(图 1(j)), 为非典型回流系统。

12 日 500 和 700hPa 槽线位于我国内蒙古北部, 一直向西延伸到蒙古国境内, 北京地区处于平直西风环流控制下(图 1(b)和(e)); 在 850hPa, 北京地区位于小槽东侧, 存在一定程度的槽前抬升作用(图 1 (h))。地面, 高压中心位于蒙古国东部, 北京附近的气压分布呈现“北高南低”的特点。当受高压系统控制后, 北京地区进入晴好天气, 地面流线弯曲角度小, 回流较弱(图 1(k)), 为非典型回流系统。

14 日 500, 700 和 850hPa 的 3 层低涡系统位于蒙古国境内, 南伸槽线位于内蒙古中部至山西西部, 北京地区受脊后槽前的形势场控制(图 1(c), (f)和(i)), 槽前抬升作用加强。尤其在 700 和 850hPa, 槽前西南风明显, 暖平流和水汽的输送较强, 与槽线西北部的干冷空气交汇后, 更有利于降雪(图 1(f)和(i))。地面, 高压中心位于辽宁西部, 气旋中心位于内蒙古中部, 北京处于高压西侧, 气旋东侧, 气压分布呈现“东高西低”的特点, 地面流线曲率大, 回流较强, 系统发展深厚, 为典型回流系统(图 1(l))。

6 日和 12 日均为非典型回流形势场, 但 12 日降雪量明显大于 6 日。据海淀区气象观测站记录, 6 日降雪量为 0.0mm, 12 日降雪量为 1.0mm。14 日典型回流降雪量均强于 6 日和 12 日, 降雪量为 1.3mm。3 次过程的预报中, 6 日预报为零星降雪, 12 日预报为多云, 为漏报过程, 14 日预报为小雪。本研究重点针对 3 次回流降雪过程的水汽输送进行定量分析, 探讨回流降雪预报的关键因子。

3 水汽路径聚类特征

3.1 轨迹聚类结果

为了更清晰地认识回流水汽的贡献, 我们对 3次过程的区域水汽路径进行追踪, 并对局地水汽路径进行聚类, 定量地分析回流水汽的占比。2 月 6日降雪过程的轨迹聚类结果(图 2(a))显示, 北京地区低空的质点轨迹分别来自西北地区中低层的偏西气流以及内蒙古中部向东经河北东部渤海湾一带转向西行的偏东气流。其中, 偏东气流基本上维持在500～1000m 高度, 约占轨迹总数的 35%, 65%的轨迹处于偏西气流中(图略)。两支气流均源于西北方向, 而源地水汽并不充沛, 偏东气流在第−36 小时途经渤海湾后水汽含量增加(图略), 通道水汽贡献率达到 59.7%(图 2(a))。据此可知, 虽然偏东气流的轨迹数量少(约占总轨迹数的 1/3), 但水汽贡献率却高于偏西气流。

2 月 12 日的天气形势与 2 月 6 日相似, 925hPa以偏东风为主, 低层浅槽发展缓慢, 呈较“纯粹”的回流形势, 二者的质点轨迹也有部分相似。2 月 12日降雪过程的轨迹聚类结果(图 2(b))显示, 北京地区低空的空气质点主要源自 3 个方向, 其中两个方向与 2 月 6 日的轨道相似, 分别源自我国西北部的偏西气流以及蒙古高原向东南经渤海湾转向西行的偏东气流。不同之处在于, 对 2 月 12 日的降雪, 还追踪到一支源于黄河中下游的偏南气流, 这支气流−72～−24 小时期间在黄河下游流域盘旋, 在东南风的驱动下, 从第−24 小时开始向北绕经渤海湾输送至北京地区。虽然这支气流中的轨迹数量仅占轨迹总数的 17% (图略), 但因源自南方, 水汽含量充沛, 因而通道水汽贡献率达到 52.6%。然而, 同样途经渤海湾的东北通道, 由于源自干冷的蒙古高原, 水汽含量仅在第−24 小时经过渤海湾上空后出现明显增长, 在轨迹数量相近(图略)的情况下, 通道水汽贡献率仅占 24.8%, 与偏西气流相近。

2 月 14 日降雪过程的轨迹聚类结果(图 2(c))与 2月 12 日相似, 追踪到西来冷空气、东来回流和西南北上 3 支气流, 其中以西南北上这支气流通道的水汽贡献率为最高, 回流通道的水汽贡献率次之, 但轨迹传输的细节有明显的差别。首先, 回流气流中的轨迹数量占总轨迹数的 52%, 说明回流气流更显著。由于高压南落, 源于蒙古高原的气流取东南方向绕经渤海湾后, 并未直接转向西行, 而是受到高压后部东南气流的影响, 向南经沧州转向西北而直达北京地区, 即 2 月 14 日的轨迹曲率更大, 以东南风为主。相形之下, 2 月 12 日的轨迹曲率较小, 以偏东风为主。其次, 两次降雪过程中的南支北上气流源地和路径大相径庭。2 月 12 日降雪过程中, 源自黄河中下游的水汽取东南路径向北输送, 输送高度基本上在 1000m 以下的大气低层; 而 2 月 14 日降雪过程受河套倒槽发展东移的影响, 源自川陕地区的水汽经西南气流输送至北京地区, 输送高度在1000～2500m 之间, 水汽更充沛。

虽然 6 日偏东路径的水汽贡献达到 59.7%(图2(a)), 但其水汽含量有限, 只能产生少量降雪, 当日累计降雪量只有 0.0mm; 12 日(降雪量为 1.0mm)和 14 日(降雪量为 1.3mm)降雪过程中, 偏南路径的水汽贡献分别是各自偏东路径水汽贡献的两倍(图 2 (b)和(c))。降雪开始前 1 小时内的探空资料(图 3) 表明, 6 日降雪过程中低层大气较干(图 3(a)), 偏东气流输送的水汽有限, 而 12 日和 14 日降雪过程中低层大气较湿(图 3(b)和(c)), 偏南路径输送的水汽较充足。3 次回流降雪过程中, 偏东路径的水汽贡献有限, 偏南路径的水汽在 12 日的非典型降雪和 14日的典型降雪中起主要作用。

3.2 各高度层水汽输送通道的贡献

进一步分析 3 次降雪过程中水汽输送通道在北京地区上空各高度层次的贡献, 结果如表 1 所示。14 日的典型回流降雪过程中, 从 700hPa 至 925hPa, 偏东路径的水汽贡献不断增加, 偏西路径的水汽贡献不断降低, 700, 850 和 925hPa 高度偏南路径的水汽贡献都占据最多的份额, 分别是 54.8%, 60.3%和45.8%。6 日的非典型回流降雪过程中, 从 700hPa至 925hPa, 偏东路径的水汽贡献不断增加, 925hPa高度偏东路径的水汽贡献明显, 达到 68.3%, 偏西路径的水汽贡献不断降低。12 日的非典型回流降雪过程中, 从 700hPa 至 925hPa, 偏东路径的水汽贡献不断增加, 偏西路径的水汽贡献不断降低, 偏南路径的水汽贡献不断增加, 925hPa 高度偏南路径的水汽贡献明显, 达到 67.5%。

综上所述, 不论是 14 日的典型回流降雪还是 6日和 12 日的非典型回流降雪, 700～925hPa 都存在偏东路径水汽贡献不断增加、偏西路径水汽贡献不断降低的特点, 与回流的天气形势相符。对比 6 日和12 日两个非典型回流降雪过程, 12 日多出的偏南路径水汽贡献明显, 在 850hPa 和 925hPa 均占据最大的份额。对比 14 日的典型回流降雪与 12 日的非典型回流降雪, 虽然两个过程都存在 3 条路径的水汽贡献, 但 14 日偏南路径的水汽贡献在 700, 850 和925hPa 均占比最高, 说明典型回流降雪过程中水汽输送通道更加深厚。12 日偏南路径的水汽贡献集中在 850hPa 以下高度, 说明非典型回流降雪过程中水汽输送的高度低, 水汽输送通道较为浅薄。因此, 对于非典型回流降雪预报, 应注意是否存在南支水汽的影响, 并且, 在进行天气形势分析时, 应加强对 850hPa 以下高度水汽输送路径的关注。

3.3 水汽到达北京地区的归一化时间

此外, 通过 3 次过程聚类子簇到达北京地区的归一化时间箱线分布(图 4)可以看出, 3 次过程中的偏西干冷空气自始至终源源不断地输送至北京地区, 而偏东和偏南的水汽输送基本上与白天显著降雪的时段对应, 说明水汽输送是触发降雪的关键因子。2 月 12 日偏东水汽输送集中于午后, 且持续时间更长, 而偏南水汽的输送集中在早晨。与 12 日相反, 14 日偏东水汽的输送集中于早晨, 而偏南水汽整体上是伴随着降雪的开始才陆续到达北京地区, 并相对集中于午后。

Fig 4 Normalized time box distribution characteristics of three snowfall trajectories clustered in Beijing

综上所述, 可见在上游倒槽与下游高压未能发展配合的形势下, 偏东回流水汽通道主要通过东–东北向气流输送, 通道位于大气的低层, 不同个例之间水汽含量差异不大。当出现高压后部回流, 且上游倒槽发展配合的形势时, 回流水汽通道中南风分量加大, 以东南方向气流输送为主。不论是非典型回流还是典型回流, 偏东气流中的水汽含量始终有限, 若没有出现南支水汽通道的补充, 难以形成规模性降雪。在 12 日和 14 日两起略具规模的小雪个例中, 偏南气流的水汽通道贡献最显著。

4 结论

本文使用常规观测资料、全球格点再分析资料和 HYSPLIT 轨迹追踪模式, 对 2019 年 2 月北京地区 3 次回流降雪过程的环流特征、天气系统和水汽输送等进行诊断, 对回流降雪的成因提供初步的解释, 主要结论如下。

1) 14 日为典型回流, 6 日和 12 日为非典型回流。14 日有偏东、偏西和偏南 3 条路径, 6 日有偏东和偏西两条路径, 12 日有偏东、偏西和偏南 3 条路径。14 日的典型回流降雪过程中, 形势场的配合利于南支水汽输送, 降雪较为明显。6 日的非典型回流降雪过程中, 偏东路径水汽的贡献有限, 产生的降雪少。12 日的非典型回流降雪过程中, 低层南支水汽的贡献较大, 降雪明显。3 次回流降雪过程中偏东气流的水汽含量有限, 12 日和 14 日两起略具规模的小雪个例中, 偏南气流的水汽通道贡献最显著。实际业务中对 12 日南支水汽贡献的忽视导致当日降雪过程的漏报。

2) 3 次回流降雪过程中水汽输送层次的共同特征是, 700hPa 至 925hPa偏东路径的水汽贡献不断增加, 偏西路径的水汽贡献不断降低; 不同之处在于, 14 日的典型回流降雪过程中 700, 850 和 925hPa 偏南路径的水汽贡献占比均最高, 6 日的非典型回流降雪过程中不存在偏南路径的水汽贡献, 12 日的非典型回流降雪过程中偏南路径的水汽贡献则集中在850 和 925hPa。因此, 分析非典型回流天气形势时, 应加强对 850hPa 以下水汽输送路径的关注。

3) 3 次降雪过程中, 偏东路径(6, 12 和 14 日)和偏南路径(12 和 14 日)的水汽输送到达北京地区的时间基本上与白天显著降雪的时段对应。因此, 可以将两个方向水汽的到达时间作为触发降雪的关键因子。

值得注意的是, 除本文分析的 6 日和 12 日两个非典型回流降雪个例外, 还有一类容易造成空报的回流形势: 偏东气流作为一支干平流, 对北京地区的增湿没有明显的贡献, 而北部冷空气快速南下控制北京地区, 未造成降雪[13]。由此可见, 北京地区的非典型回流降雪是预报中的难题, 尤其是各方向水汽输送在回流降雪过程中的作用值得深入研究。后续工作中将增加对锋生、地形和辐合抬升等动力因子以及云微物理过程的分析, 提高北京地区非典型回流降雪预报的准确率。

[1] 仪清菊, 刘延英, 许晨海. 北京 1980—1994 年降雪的天气气候分析. 应用气象学报, 1999, 10(2): 249–254

[2] 王迎春, 钱婷婷, 郑永光. 北京连续降雪过程分析. 应用气象学报, 2004, 15(1): 58–65

[3] 周雪松, 谈哲敏. 华北回流暴雪发展机理个例研究. 气象, 2008, 34(1): 18–26

[4] 李青春, 程丛兰, 高华, 等. 北京一次冬季回流暴雪天气过程的数值分析. 气象, 2011, 37(11): 1380–1388

[5] 吴庆梅, 杨波, 王国荣. 北京地区一次回流暴雪过程的锋区特征分析. 高原气象, 2014, 33(2): 539–547

[6] Jiao R G, Chen B, Ammara H, et al. A case study of cold-season thundersnow in Beijing. Atmospheric and Oceanic Science Letters, 2019, 12(6): 392–398

[7] Zhang W L, Cui X P, Duan B L, et al. A case study on the rapid rain-to-snow transition in late spring 2018 over northern China: effects of return flows and topography. Journal of Meteorological Research, 2022, 36(1): 107–127

[8] 赵桂香. 一次回流与倒槽共同作用产生的暴雪天气分析. 气象, 2007, 33(11): 41–48

[9] 张迎新, 张守保. 华北平原回流天气的结构特征. 南京气象学院学报, 2006, 29(1): 107–113

[10] 郑丽娜, 杨成芳, 刘畅. 山东冬半年回流降雪形势特征及相关降水相态. 高原气象, 2016, 35(2): 520–527

[11] 孙继松, 梁丰, 陈敏, 等. 北京地区一次小雪天气过程造成路面交通严重受阻的成因分析. 大气科学, 2003, 27(6): 1057–1066

[12] 赵思雄, 孙建华, 陈红, 等. 北京“12·7”降雪过程的分析研究. 气候与环境研究, 2002, 7(1): 7–21

[13] 郭锐, 张琳娜, 李靖, 等. 2010年冬季北京初雪预报难点分析. 气象, 2012, 38(7): 858–867

[14] 何娜, 孙继松, 王国荣, 等. 北京地区预报失误的两次降雪过程分析. 气象科技, 2014, 42(3): 488–195

[15] 孙建华, 汪汇洁, 卫捷, 等. 江淮区域持续性暴雨过程的水汽源地和输送特征. 气象学报, 2016, 74 (4): 542–555

[16] 黄丁安, 卢楚翰, 孔阳, 等. 基于ERA5 再分析资料对 2020 年 6 月江淮区域水汽源汇的诊断分析. 气象科学, 2022, 42(1): 44–50

[17] Draxler, R R, Hess G D. An overview of the HYSPLIT_4 modelling system for trajectories. Aust Meteor Mag, 1998, 47(4): 295–308

Characterization of Water Vapor Transport during Three Return Flow Snowfall Cases in Beijing Area in February 2019

Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; †Corresponding author, E-mail: hxue@pku.edu.cn

Abstract In order to improve the accuracy of return flow snowfall forecast in Beijing area, the three return flow snowfall cases occurring in Beijing area in February 2019 are analyzed by using the ERA5/GDAS reanalysis data and the HYSPLIT back trajectory model for the meteorological analysis and characterization of the water vapor transport. The results show that, for all the three cases, the water vapor content in the easterly flow is limited regardless of the typical or atypical return flow, and significant snowfall can be produced when there is a cooperation of the southerly water vapor channel. In the typical return flow case (Feb. 14), the high backward return flow and the Loop Inversion Trough cooperate, and the water vapor transport channel is deeper, which is conducive to snow. In the two atypical return flow cases (Feb. 6 and 12), the water vapor transport is concentrated in the lower layers of the atmosphere (below 850 hPa). The case of Feb.12 has a significant contribution from the southerly water vapor transport, and the neglect of the southerly water vapor transport is one of the reasons for the underreporting of snowfall on that day. The arrival time of water vapor transported to Beijing area by the easterly and southerly vapor channels both basically correspond to the time of significant snowfall during the daytime, and can be used as a key factor for forecasting return flow snowfall.