北京大学学报 ( 自然科学版 ) 第 50 卷达声雷达和太阳光谱分析仪等水汽探测方法, 地基 GPS 组网探测是目前获得全天候高精度高时空分辨率的水汽分布最有效的手段 GPS 气象学 (GPS/MET) 是在美国 GPS 导航系统基础上发展起来的大气要素探测方法, 由 Bevis [1] 等

Size: px

Start display at page:

Download "北京大学学报 ( 自然科学版 ) 第 50 卷达声雷达和太阳光谱分析仪等水汽探测方法, 地基 GPS 组网探测是目前获得全天候高精度高时空分辨率的水汽分布最有效的手段 GPS 气象学 (GPS/MET) 是在美国 GPS 导航系统基础上发展起来的大气要素探测方法, 由 Bevis [1] 等"

昙蒲
5 years ago
Views:

1 北京大学学报 ( 自然科学版 ), 第 50 卷, 第 6 期, 2014 年 11 月 Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 50, No. 6 (Nov. 2014) doi: /j 一次暴雨过程中 GPS 三维层析水汽场的变化特征 1,2 王久珂 3 韩素芹 3 边海 1, 刘晓阳 1 孙大力 1 赵春生 1. 北京大学物理学院大气与海洋科学系, 北京 ; 2. 国家海洋环境预报中心, 北京 ; 3. 天津市气象局, 天津 ; 通信作者, xyl@pku.edu.cn 摘要利用小尺度 GPS 网络, 使用蒙特卡罗 GPS 水汽层析算法获取高时空分辨率的水汽场, 并通过与探空资料对比验证层析水汽场具有理想的精度结合 GPS 三维层析水汽场与天津气象雷达资料, 分析 2011 年 7 月 29 日大暴雨过程, 首次给出小尺度水汽场在强对流过程中连续的变化过程以及精细结构对于局地的对流过程, 三维层析水汽场能够在降水发生前约 20 分钟捕捉水汽在空中的富集现象并给出相应位置, 对降水预报具有指示作用对于大范围强降水过程, 水汽场能够明确地给出水汽输送来源的位置和强度, 与天气形势分析和雷达气象分析的结论一致关键词层析 ; 水汽场 ; 降水中图分类号 P416 Characteristics of the Three-Dimensional GPS Tomography Water Vapor Field during the Rainstorm WANG Jiuke 1,2, HAN Suqin 3, BIAN Hai 3, LIU Xiaoyang 1,, SUN Dali 1, ZHAO Chunsheng 1 1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing ; 2. National Marine Environmental Forecasting Center, Beijing ; 3. Tianjin Meteorological Bureau, Tianjin ; Corresponding author, xyl@pku.edu.cn Abstract The three-dimensional water vapor field is obtained using Monte Carlo tomography algorithm based on the small-scale network of ground-based GPS. After the proof of the accuracy of the tomography water vapor field through the comparison between the profiles from the radiosonde and tomography field, the three-dimensional water vapor field and the data of Weather Radar are used to study the variation of the water vapor in the strong convection and heavy precipitation processes which took place on July 29, For the first time, the authors propose the continuous change and fine structure of the small-scale water vapor field during the convective processes. For local convection process, the tomography vapor field can capture the water vapor enrichment phenomenon and provide its location 20 minutes ahead the precipitation and it is an indication to the precipitation forecast. For rainstorm process, the water vapor field can explicitly show the position and intensity of the vapor transport source which meet well with the conclusion from the analysis of weather radar and meteorological situation. Key words tomography; water vapor field; precipitation 水汽是形成云和降水的最基本的要素, 同时在大气中水汽可以在三相态之间相互转化水汽在相变过程中的潜热变化对大气稳定度以及对流的形成和发展具有重要作用, 水汽的相变也使得水汽的含量和三维空间分布在天气过程中随时间变化较快因此, 获得高精度高时空分辨率的水汽分布对于暴雨等天气过程的预报及相关研究具有重要意义相对于无线电探空技术地基微波辐射计激光雷国家公益性行业 ( 气象 ) 科研专项 (GYHY ) 和国家重点基础研究发展计划 (2011CB403402) 资助收稿日期 : ; 修回日期 : ; 网络出版日期 :

2 北京大学学报 ( 自然科学版 ) 第 50 卷达声雷达和太阳光谱分析仪等水汽探测方法, 地基 GPS 组网探测是目前获得全天候高精度高时空分辨率的水汽分布最有效的手段 GPS 气象学 (GPS/MET) 是在美国 GPS 导航系统基础上发展起来的大气要素探测方法, 由 Bevis [1] 等于 1992 年提出, 其主要原理是利用 GPS 无线电信号由 GPS 卫星至地基 GPS 接收机的传播过程中因穿过大气而对信号传播造成的延迟, 反演出大气水汽等要素信息在证明了地基 GPS 用于精确的反演大气水汽的可行性之后, 地基 GPS 反演大气水汽总量的方法逐渐发展成熟 [2 7] 地基 GPS 反演大气水汽总量具有高精度且无须定标全天候高时间分辨率等优点 [8 9], 因此 GPS 水汽资料在降水过程, 尤其是暴雨过程中得到广泛应用在对 GPS 水汽总量的时间序列及其与降水关系的分析中, 发现夏季降水前大气总水汽有明显的积累过程, 总水汽量一般处于高值, 在降水发生前往往出现水汽快速增长阶段 [10 12] 随着 GPS 接收机的普及, 通过 GPS 组网观测的方式可以获取水汽的水平分布特征 [13] [14] [15] 梁丰等和丁海燕等利用北京 GPS 网络, 对暴雨过程中水汽分布特征变化进行描述 GPS 水汽资料也被广泛地同化, 进入气象模式中, 并显著地改善了模式预报的初值场以及最终预报结果 [16 18] [1] Bevis 等在 1992 年也指出, 具有一定密度的地基 GPS 网络可能给出当地水汽的垂直分布信息, 即提出了水汽层析的概念在地基 GPS 水汽层析 [19] 技术的可行性和探测精度都得到验证后, 可通过布设 GPS 网络得到水汽的三维水平分布, 从而大大拓展了 GPS 水汽观测在降水过程中的应用 [20] 目前关于 GPS 网络探测水汽方面, 缺乏对小尺度水汽场在强对流过程中连续的变化过程以及对流过程中精细水汽三维结构的分析与应用研究随着 GPS 接收机日益普及, 地基 GPS 接收机的采样频率日益提高, 解算软件日趋进步和完善, 为更深入和细致地使用地基 GPS 层析技术研究降水过程中水汽的变化特征提供了非常有利的条件因此, 我们在天津东部地区建立了一个由 13 部 GPS 气象站组成的高 GPS 密度的小尺度水汽探测网 ( 平均站间距仅 22 km), 以高分辨率的 GPS 数据为基础, 使用蒙特卡罗层析方法得到高时空分辨率的水汽场, 结合雷达回波资料, 给出并分析了大暴雨过程中精细且连续的水汽变化特征 1 蒙特卡罗三维水汽层析算法及数据介绍 1.1 蒙特卡罗水汽层析算法概述 [21] 在这次暴雨个例中, 我们使用 GAMIT 软件对 GPS 观测数据配合相应的气象文件进行解算, 可以得到每个地基 GPS 站和卫星连线 ( 以下称为 GPS 射线 ) 上的湿延迟总量我们将实验区域在平面上平均划分为个网格, 在 0~10 km 垂直高度上平均分为 10 层, 每个网格的水汽密度为待求未知量对于每一条 GPS 射线, 势必要穿过实验区域的若干个网格对于每个被 GPS 射线穿过的网格, 将网格内的水汽密度乘以 GPS 射线在这个网格内的长度并相加, 即为此条 GPS 射线上的湿延迟总量, 如下式所示 : s s SW ( L v ), (1) ijk 式 (1) 为 GPS 水汽层析基本方程组其中 SW s 指第 s s 条 GPS 射线上的水汽总量 ; L ijk 是这条 GPS 射线 p 穿过 (i, j, k) 网格的长度, vijk 是 (i, j, k) 网格内的水汽密度实际求解层析方程组时, 需要在网格之间添加相互的联系, 即增加新的方程组以求解层析方程组通常的手段是增加水平约束和垂直约束 [21] 本文采用蒙特卡罗 (Monte Carlo) 方法求解层析方程组 [22] 蒙特卡罗层析计算过程如下首先, 需要建立初值场为使得水汽场变化更为连续, 本文采用将上一时刻水汽场结合地面实测水汽场的方法确定初值场 ( 第一次层析计算中直接使用观测值作为初值场 ) 初值场确定方法如下式所示 : ini T s Z/ 2.63 vijk 0.2 vijk 0.8 vije ( k 0), (2) ini s vijk vij ( k 0), ini 其中, v ijk 为层析算法中第 (i, j, k) 个网格的初始水 T 汽密度, 等号右边第一项中 v ijk 为上一时刻的层析 s Z/2.63 结果中对应网格的水汽密度, 第二项中 v ij e 为根据地面实测水汽密度估计的第 (i, j, k) 个网格的水汽密度 [23] s, 其中 v ij 为地面水汽密度, 由观测的相对湿度和温度计算得到, Z 为高度, 单位为 km 层析网格最底层网格的水汽密度为地面观测数据, 即地面观测的水汽密度代表 0~1 km ( 不含 1 km) 的水汽平均密度同时, 最底层网格不参与蒙特卡罗随机取值, 其他层网格的初值为上一时刻的层析得到 ijk ijk 1054

3 第 6 期王久珂等 : 一次暴雨过程中 GPS 三维层析水汽场的变化特征的水汽密度与经验公式计算的水汽密度的加权平均, 权重分别设为 0.2 和 0.8 然后, 在每个网格的水汽密度初值上加入一个一定范围的随机变化, 得到新的三维水汽场每个网格 GPS 信号的长度乘以变化后的水汽密度, 可以正算出本水汽场下每条 GPS 信号路径上的湿延迟, 从而获得这次蒙特卡罗过程中得到的每条 GPS 射线上的湿延迟与实际观测所对应的每条 GPS 射线上的延迟量的差, 定义为 RMS 重复以上蒙特卡罗过程 n 次, 可以得到 n 个 RMS 选取 RMS 最小的 2 组三维水汽场进行平均, 得到最终此时刻的层析三维水汽场 1.2 数据资料概述本文的 GPS 观测数据来源于架设在天津中东部地区的小尺度水汽观测网络, 观测网由 13 部地基 GPS 组成 [22] ( 图 1 中用圆圈标出每部 GPS 的地理位置 ) 实验区域为图 1 中矩形区域 (38.81º 39.49ºN, º ºE), 面积为 80 km 78 km, 层析水汽场高度至 10 km 将整个层析网格平均分为个, 因此每个网格尺寸 ( 空间分辨率 ) 为 8 km 7 km 1 km, 层析水汽场的时间分辨率为 5 min GPS 接收机为徕卡大地测量接收机, 采样频率为 0.5 Hz 与之配合使用的是维萨拉 (Vaisala)WXT520 六要素 ( 温度相对湿度气压风向风速降水 ) 气象仪, 气象数据时间分辨率为 1 min 本次实验获取了到天津市气象雷达在 2010 年 7 月日大暴雨过程中的雷达回波资图 1 实验区域示意图 Fig. 1 Distribution of GPS stations and experimental area 料天津市气象雷达编号为 Z9220, 位于滨海新区气象预警中心 (39.04ºN, ºE) 气象雷达距离实验区域最远端的网格约 67 km 由于实验区域距离气象雷达较近, 为了能够观测到实验区域上空的降水情况, 使用雷达 1.5º 仰角的观测同时我们也得到杨村探空站 7 月日的两次探空资料 ( 均为北京时间凌晨 02 时 ) 2 三维层析水汽廓线的与探空的对比检验在应用层析水汽场之前需要对其进行检验用 28 日 02 时和 29 日 02 时杨村探空站的探空数据评估层析结果的准确性距离杨村探空站最近的格点距探空站仅 16 km, 因此我们选取此格点对应的层析垂直廓线与探空数据进行比对图 2 为 28 日 02 时层析水汽廓线初值廓线与探空廓线的对比由图 2(a) 看出, 整体上初值廓线探空廓线与层析廓线具有很高的一致性由于最底层网格直接使用地面观测换算得到的水汽密度, 并且不参与蒙特卡罗随机取值, 同时地面水汽较多, 变化较大, 而且存在观测误差, 因此最底层的层析水汽密度大于探空在这一层的水汽密度在 2 km 和 3 km 处, 层析算法使用的水汽密度初值要小于探空廓线, 通过层析计算, 此处的水汽密度向探空廓线修正, 最终分别与探空廓线相差 0.1 g/m 3 和 0.4 g/m 3 在 4~8 km 的分层中, 初值廓线要大于探空廓线 1~2 g/m 3, 通过层析计算, 得到的层析廓线只比探空廓线大 0.3~0.8 g/m 3 而在 9 km 和 10 km 处, 由于受到随机取值范围的限制, 层析廓线更贴近初值廓线, 分别约比探空廓线大 0.6 g/m 3 和 0.8 g/m 3 值得注意的是在 7 km 处, 探空仪测到水汽的低值, 而层析廓线在此高度并没有明显的减小, 出现了一定的误差, 可能是由于探测地点的距离导致水汽值的不同, 也有可能是探空仪的测量错误图 2(b) 为初值廓线和层析廓线对探空廓线的回归, 可以看到, 初值廓线对探空廓线的相关系数均达到 , 而层析计算将其提高到同时, 层析计算将截距由初值廓线的降低至以上结果说明 GPS 测量的加入可以获取更为准确的水汽廓线图 3 为 29 日 02 时层析水汽廓线初值廓线与探空廓线的对比, 其中 V pi 为初值廓线的水汽密度, V pt 为层析廓线的水汽密度与图 2(a) 不同的是, 图 1055

4 北京大学学报 ( 自然科学版 ) 第 50 卷 Fig. 2 图 2 7 月 28 日 02 时层析水汽密度廓线初值廓线与杨村探空廓线的对比 Comparison of tomography profile, the initial profile and Yangcun radiosonde profile at 02:00, 28 July Fig. 3 图 3 7 月 29 日 02 时层析水汽密度廓线, 初值廓线与杨村探空廓线的对比 Comparison of tomography profile, the initial profile and Yangcun radiosonde profile at 02:00, 29 July 3(a) 中探空廓线在 2 km, 5 km 和 7 km 处与上下层的水汽密度差异较大, 考虑到 29 日凌晨 3 时自西向东有局地发展起的降水过程, 水汽廓线可能出现一定幅度的摆动在 2 km 处, 层析廓线大于初值廓线, 但仍比探空廓线小 2 g/m 3 在 5 km 和 7 km 处, 层析廓线小于初值廓线, 但仍分别比探空廓线大 3 g/m 3 和 0.8 g/m 3, 但是层析算法明显将水汽廓线向探空廓线的方向加以修正根据图 3(b) 的回归结果, 29 日 02 时的初值廓线与探空廓线的回归相关系数为 , 但截距达到 1.018, 通过层析计算, 层析廓线与探空廓线的回归相关系数增加至 , 同时截距下降至由于本次探空廓 1056

5 第 6 期王久珂等 : 一次暴雨过程中 GPS 三维层析水汽场的变化特征线的形态变化明显, 因此初值廓线和层析廓线对于探空廓线回归的结果稍差于 28 日结果综合图 2 和 3 的对比结果, 通过初值廓线对探空廓线的回归均得到较高的相关系数, 说明本研究采用的初值确定方法精确有效通过这两次廓线的对比, 发现层析计算使得水汽廓线由初值廓线明显地向探空廓线靠拢, 同时层析廓线对探空廓线也得到理想的回归结果, 说明层析结果的精确可靠, 也证明我们建立并使用的层析算法是有效的 3 GPS 三维层析水汽场在 2011 年 7 月 29 日暴雨过程中的应用 3.1 暴雨过程实况与形势分析 2011 年 7 月 29 日华北地区出现一次强降水过程, 其中天津 232 个雨量观测站中有 75 个站出现 100 mm 以上降水, 135 个站降水量在 50~100 mm 之间, 最大雨量出现在宁河的大北镇, 为 mm 此次降水过程分为两个阶段, 强降水主要集中在第二阶段 (29 日夜间 ), 降水量分布不均匀, 主要落区在天津中南部及河北东部一带, 雨区自西南向东北方向移动, 于 29 日 23 时东移减弱这次强降水过程之前河套地区有一冷槽逐渐发展东移, 副热带高压则东退南移, 华北地区一直处于槽前西南气流控制下 29 日 08 时, 西南急流建立, 并逐渐东移影响京津地区, 急流轴风速超过 18 m/s 在 850 hpa 天气图 ( 图 4(a)) 上, 华北西南部有低涡生成, 暖湿切变位于黄淮地区, 随后冷涡向东北方向移动, 29 日 20 时暖湿切变影响天津地区 ( 图 4(b)) 与空中系统相对应, 地面上表现为一地面倒槽, 华北地区位于倒槽顶部, 天津地区则处于倒槽的前顶部综合来看, 高空冷槽和低层的暖湿切变是此次降水过程的主要影响系统, 而中层的西南急流和低层暖湿切变线北侧的东南风为本次降水提供了比较充沛的水汽条件, 并且由图 4 可以明显地看出, 第二阶段降水的水汽主要由东南风带来 3.2 水汽在局地对流降水过程中的富集以及变化特征 29 日的降水过程事实上包含一次局地生成的较小尺度对流降水过程和一次大范围的降水过程, 出现时间分别为 29 日的 03:00 06:00 以及 18:00 23:00 我们建立的 GPS 小尺度网可以很好地捕捉和描述这两次降水过程中水汽场精细的连续变化情况下面就 29 日这两次降水过程的水汽变化情况进行分析由于水汽在 5 km 以上部分分布较少, 并且变化的绝对值较小, 因此上层水汽对于对流性降水的影响不大, 所以在下面的分析中主要考虑 5 km 以下的水汽图 5 为 29 日局地暴雨发生前三维水汽层析场及雷达回波的变化情况, 其中左列为三维水汽场的变化情况底面即为实验区域, 垂直纸面方向为西南方向, X 轴即为实验区域的南部边界, Y 轴对应实验区域的西部边界彩色填充表示各层的水汽密度 (g/m 3 ) 我们只考虑 5 km 高度以下的水汽场, 共分图 4 7 月 29 日北京时间 08:00 和 20:00 时 850 hpa 天气形势 Fig. 4 Weather patterns of 850hPa at 08:00 and 20:00, 29 July (Beijing time) 1057

6 北京大学学报 (自然科学版 ) Fig. 5 第 50 卷图 5 实验区域 7 月 29 日局地降水发生前的层析三维水汽场及雷达反射率变化 Variation of the three-dimensional tomography vapor field and radar reflectivity before local rainfall on 29 July 为 5 层, 层间距 1 km 图 5 右列为雷达回波的分布, 黑色矩形区域即为实验区域匀, 底层水汽密度基本在 20~22 g/m3 范围内图 5(b1) 为局地对流系统即将出现之前 (29 日 03 图 5(a1)为 28 日 11:05 的水汽场, 此时实验区域时 ) 的水汽场对比图 5(a1) 可以明显看到, 此时水内没有降水回波 (图 5(a2)), 是这次局地对流过程出汽场的水汽密度整体高于 28 日 11 时的水汽场, 即现之前较为稳定的情况此时低层水汽分布较为均在 28 日中午至 29 日凌晨这段时间内, 实验区域内 1058

7 第 6 期王久珂等 : 一次暴雨过程中 GPS 三维层析水汽场的变化特征出现明显的水汽富集现象, 底层水汽场的水汽密度增加至 24~26 g/m 3, 同时可以看到底层水气相对高值出现在实验区域的西南部在 2 km 的高度层上出现 3 个高值中心, 最高值也达到 24 g/m 3, 分别在实验区域的中部中部偏南以及东部边界的中央位置对应在图 5(b2) 的雷达回波图上, 水汽场中在 2 km 出现高值的区域存在零星的降水雷达回波, 可能是空中出现较小规模的液态水在 3 km 高度层上, 也出现一些水汽相对较多的区域, 与 2 km 处的高值位置相对应, 但整体分布较为均匀图 5(c1) 为 03 时 20 分的水汽场此时在地面水汽层上, 西北方向的水汽明显减少, 水汽密度减少约 7 g/m 3 虽然地面的水汽密度高值仍然集中在西南部, 但在 2 km 高度层上, 在实验区域的西部边界中央却出现明显的水汽富集现象, 并出现水汽的高值 ( 红色椭圆圈出 ), 水汽密度达到 23 g/m 3 此时的三维层析水汽场能够很好地标识对流系统水汽由低空向高空的富集现象, 很好地预示有一个局地的对流系统即将在此处发展起来同时在 2 km 高度层上, 东部边界水汽也较为丰富, 与之相对应, 雷达回波 ( 图 5(c2)) 发现东部边界存在一定强度的降水回波, 可能是零散液态水导致图 6 为此次局地暴雨发生过程中三维水汽层析场与雷达回波的变化情况在图 6(a2) 中, 一个对流降水系统在实验区域的西部边界, 也就是图 5(c1) 中 2 km 处水汽高值区的位置上 ( 红色椭圆圈出 ) 发展起来, 同时地面水汽密度较低区域的面积由西向东扩大虽然图 6(a1) 中在 2 km 层西部边界出现的水汽高值依然维持 ( 红色椭圆圈出 ), 但可能由于大气中水汽部分凝结为液态水, 西部边界的高值区中水汽密度开始减弱, 降低至约 20 g/m 3 由于暴雨发生过程还没有移动至实验区域东部, 所以实验区域东部边界水汽高值区的水汽密度继续维持在 25 g/m 3 在 3 km 高度层上, 西部区域的水汽密度较图 5(c1) 明显降低, 呈现由东向西逐渐降低的趋势结合图 6(b1) 和 (b2) 看, 当对流系统移动至实验区域中央时, 降水系统消耗了底层 2 km 和 3 km 水汽层在实验区域西部和中部地区的水汽, 使得对流系统经过的大气的水汽密度均有明显下降, 只在降水系统还未到达的东南部存在丰富的水汽, 该降水系统仍然有充足的水汽维持其发展根据图 6(c1) 和 (c2), 此时对流降水系统的强中心移动到实验区域的东部边界, 即将离开实验区域由于降水系统将实验区域上空大气中的水汽凝结并降至地面, 此时每一层的水汽比对流发生前 ( 图 5(b1)) 均有明显的下降, 基本回复到降水开始前 ( 图 5(a1)) 的水平, 底层的水汽密度在 20 g/m 3 左右通过上述对这次降水过程的分析可以得到结论 : 对于局地发展起来的对流性降水过程, 高时空分辨率的 GPS 层析水汽场能够清晰地反映局地降水系统生成时的水汽富集过程, 这对于局地降水的预报具有重要指示意义在局地对流性降水系统发展和移动过程中, 由于水汽转化为液态水并降落地面, 空中水汽密度随之下降 3.3 水汽在大范围强对流过程中的输送过程及变化特征在这次局地对流系统过后, 实验区域迎来一次大范围高强度的暴雨过程层析水汽和雷达回波在这次大暴雨过程中的变化如图 7 所示图 7(a1) 为大暴雨对流系统前段到达实验区域时 ( 图 7(a2)) 的水汽分布情况, 每一个高度层水汽密度的分布都较为均匀由于之前的局地过程以及暴雨系统前端的降水消耗了本地水汽, 因此此时水汽密度较低, 底层约为 20 g/m 3, 而 2 km 高度处的水汽密度在 15 g/m 3 以下, 数值上明显低于图 5(b1) 的水汽场值得注意的是, 在底层的东南部水汽密度略高于底层其他区域如图 7(b2) 所示, 此时强降水中心的外围已经进入实验区域, 但暴雨系统的中心仍位于实验区域的西南方向对照图 7(b1) 的水汽场可以发现, 虽然实验区域的西部开始有明显的降水回波, 但在地面 2 km 和 3 km 高度层上, 水汽由西北向东南逐渐增加此时底层东南部的水汽高值区较图 7(a1) 更为明显, 达到 23 g/m 3 对比局地对流过程结束时的水汽场 ( 图 6(c1)), 发现在地面和 2 km 层上水汽密度反因降水过程而增加如图 7(c2) 所示, 此时暴雨中心移动至实验区域内, 出现明显的钩形降水回波在图 5 和 6 的局地过程中, 局地的水汽会随着降水过程中转化为液态水而被消耗在此时的暴雨过程中, 实验区域西部和北部地区的水汽确实出现明显下降, 水汽密度在 17 g/m 3 左右, 但在底层位于实验区域东南部的水汽高值 ( 红色椭圆圈出 ) 并没有因为强降水而减弱 ( 图 7(c1)), 依然保持在 23 g/m 3 左右同时在 2 km 和 3 km 高度上, 东南区域的水汽密度也明显高于 1059

8 北京大学学报 (自然科学版 ) Fig. 6 第 50 卷图 6 实验区域 7 月 29 日局地降水过程中层析三维水汽场及雷达反射率变化 Variation of the three-dimensional tomography vapor field and radar reflectivity during local rainfall on 29 July 其他区域节由天气形势分析得到的水汽输送方向和位置相吻暴雨的中心强度并不能够将该高值区的水汽全合滨海新区雷达站点的位置即在实验区域的东南部降落地面, 高值区的维持说明一定存在强烈的水部, 因此我们可以利用此时多普勒雷达径向风场速汽输送作用根据 GPS 水汽场可以判断, 此时的度对水汽输送方向和位置来进行验证图 8 为气象水汽输送是由东南方向进入暴雨系统的, 这与 3.1 雷达此时 2.4º仰角径向速度图, 可以看出, 在大气 1060

9 第6期王久珂等 : 一次暴雨过程中 GPS 三维层析水汽场的变化特征图 7 实验区域 7 月 29 日大暴雨发展过程中层析三维水汽场及雷达反射率变化 Fig. 7 Variation of the three-dimensional tomography vapor field and radar reflectivity during the development of the large-scale heavy precipitation on 29 July 的低层为东南风 ( 中央箭头方向 ), 风速达 20 m/s, 直径 70 km, 高度 3.5 km 范围内负速度区明显大于可以判断低层有急流, 有利于水汽的输送和强降水正速度区, 说明低层有辐合, 有利于上升运动的发的发生还可以发现风向随高度顺转的现象, 说明展, 从而更有利于强降水的发生雷达径向速度图低层有暖平流, 同样有利于降水的发生另外, 在的分析验证了由 GPS 水汽场得到的对于水汽输送 1061

北京大学学报 (自然科学版 ) 第 50 卷方向和位置的判断同时, 在钩状回波的东南方向出现降水回波的弱区, 也说明此方向上应为水汽输送通道 ( 图 7(c2)中的黑色箭头 ), 这也与 GPS 水汽

南部的水汽高值区的强度有明显减弱 ( 图 9(a1)), 水汽密度降低至 20 g/m3 由于缺乏水汽供应, 实验区域的降水过程即将结束当暴雨系统基本上离开实验区域时 (图 9(b2)), 暴雨过程中实验区域东南部图 8

8 Radial velocity from radar on 19:18 in the heavy precipitation on 29 July 的水汽高值完全消失, 水汽在各层分布均匀, 水汽密度值明显低于两次降水过程开始之前

10 北京大学学报 (自然科学版 ) 第 50 卷方向和位置的判断同时, 在钩状回波的东南方向出现降水回波的弱区, 也说明此方向上应为水汽输送通道 ( 图 7(c2)中的黑色箭头 ), 这也与 GPS 水汽场反映的特征和结论相吻合根据以上结论, 由于在实验区域东南部的水汽高值是因水汽输送所致, 所以随着暴雨中心离开实验区域 ( 图 9(a2)), 水汽输送也会离开实验区域, 因此此处水汽的输送已经逐渐消失, 位于实验区域东南部的水汽高值区的强度有明显减弱 ( 图 9(a1)), 水汽密度降低至 20 g/m3 由于缺乏水汽供应, 实验区域的降水过程即将结束当暴雨系统基本上离开实验区域时 (图 9(b2)), 暴雨过程中实验区域东南部图 8 暴雨过程中 19:18 气象雷达径向风速度 Fig. 8 Radial velocity from radar on 19:18 in the heavy precipitation on 29 July 的水汽高值完全消失, 水汽在各层分布均匀, 水汽密度值明显低于两次降水过程开始之前 ( 图 5(b1) 和图 7(a1))的水平图 9 实验区域 7 月 29 日大暴雨消散过程中层析三维水汽场及雷达反射率变化 Fig. 9 Variation of the three-dimensional tomography vapor field and radar reflectivity during the decrease of the large-scale heavy precipitation on 29 July 1062

11 第 6 期王久珂等 : 一次暴雨过程中 GPS 三维层析水汽场的变化特征通过对这次大范围降水过程的分析, 可以得到结论 : 大尺度的降水系统中水汽主要来源于外界输送, 而高时空分辨率的 GPS 水汽层析场能够准确地识别降水系统中水汽输送的位置以及相应强度, 并且得到的结论与雷达回波分析结果一致随着降水系统移出实验区域, 实验区域内的水汽输送明显减弱, 很好地预示本地降水过程即将结束 4 结论水汽场的变化情况对于降水过程的发生和发展具有重要作用本文根据布设于天津市的 13 个 GPS 站点的组网探测, 使用蒙特卡罗层析方法, 首次获取了 2011 年 7 月 29 日大暴雨过程中小尺度高时空分辨率的三维水汽场的连续变化, 并结合天津市气象雷达回波图进行分析后得出以下结论通过与实验区域附近的杨村探空站 28 日和 29 日 02 时的探空数据的对比, 证明本研究所得到的 GPS 三维层析水汽场是精确可靠的对于局地发展的降水过程, 通过 GPS 层析水汽场可以清晰连续地看到水汽在对流系统出现之前在对流形成区域明显的富集过程, 在即将生成对流系统位置上的水汽密度明显高于同层其他区域, 在对流系统出现后稍为有所减弱小尺度三维层析水汽场所体现的这种水汽变化对于对流系统的形成具有重要的指示作用当对流系统出现后, 由于大气中的水汽凝结成为液态水, 因此对流系统发展路径所经过的区域内水汽密度会随之下降局地降水过程结束后, 大气水汽密度明显降低, 且水平分布均匀对于之后导致大暴雨的较大范围高强度的对流降水系统, 本地的水汽不足以支撑系统的发展, 因此 29 日系统的维持需要充足的水汽输送补充根据 GPS 层析水汽场的变化情况, 可以很明显地看到在实验区域的东南部水汽密度存在高值区, 说明这次过程中水汽是由东南部进入暴雨系统的, 同时明确地给出系统水汽输送的位置以及对应强度, 与天气形势分析雷达钩状回波形状以及气象雷达径向速度分析得到的结论相吻合同时, 由于暴雨过程中强烈的水汽输送, 水汽并没有因为降水而减少随着暴雨系统整体移出实验区域, 东南地区的水汽输送强度明显减弱, 预示本地降水过程的结束整个暴雨过程结束后, 大气水汽密度较暴雨发生前有明显下降总之, 在这次暴雨过程中, GPS 三维层析水汽场清晰细致地显示了对流系统发生发展和消亡过程中水汽的变化情况, 对降水预报具有重要意义由于暴雨个例的欠缺, 目前仅仅开展了对暴雨过程中水汽精细特征的初步研究, 将来需要更多的降水个例进行验证以及统计和分析参考文献 [1] Bevis M, Businger S, Herring T A, et al. GPS meteorology: remote sensing of atmospheric water vapor using the global positioning system. J Geophys Res, 1992, 97(15): [2] Rocken C, Ware R, Hove T V, et al. Sensing atmospheric water vapor with the global positioning system. Geophysical Research Letters, 1993, 20(23): [3] Duan J, Bevis M, Fang P. GPS Meteorology: direct estimation of the absolute value of precipitable water vapor. Journal of Application Meteorology, 1996, 35: [4] 毛节泰. GPS 的气象应用. 气象科技, 1993, 21(4): [5] 陈洪滨, 吕达仁. GPS 测量中的大气路径延迟改正. 测绘学报, 1996, 25(2): [6] 陈俊勇. 地基 GPS 遥感大气水汽含量的误差分析. 测绘学报, 1998, 27(2): [7] 李成才, 毛节泰. GPS 地基遥感大气水汽总量分析. 应用气象学报, 1998, 9(4): [8] 李成才, 毛节泰, 李建国, 等. 全球定位系统遥感水汽总量. 科学通报, 1999, 44(3): [9] 柳典, 刘晓阳. 地基 GPS 遥感观测北京地区水汽变化特征. 应用气象学报, 2009, 20(3): [10] 毕研盟, 毛节泰, 杨光林, 等. 地基 GPS 遥感观测安徽地区水汽特征. 气象科技, 2004, 32(4): [11] 曹云昌, 方宗义, 李成才, 等. 利用 GPS 和云图资料监测北京地区中小尺度降水的研究. 高原气象, 2005, 24(1): [12] 楚艳丽, 郭英华, 张朝林, 等. 地基 GPS 水汽资料在北京 7 10 暴雨过程研究中的应用. 气象, 2007, 1063

12 北京大学学报 ( 自然科学版 ) 第 50 卷 33(12): [13] 李国平. 地基 GPS 气象学. 北京 : 科学出版社, 2010: 45 [14] 梁丰, 李成才, 王迎春, 等. 应用区域地基全球定位系统观测分析北京地区大气总水汽量. 大气科学, 2003, 27(2): [15] 丁海燕, 李青春, 郑祚芳, 等. 利用北京 GPS 监测网分析夏季暴雨的水汽特征. 应用气象学报, 2012, 23(1): [16] Guo Y R, Kuo Y H, Dudhia J, et al. Four-dimensional variational data assimilation of heterogeneous mesoscale observations for a strong convective case. Mon Weather Rev, 2000, 128: [17] Zhang C L, Chen M, Kuo Y H, et al. Numerical assessing experiments on the individual components impact of the meteorological observation network on the July 2000 torrential rain in Beijing. Acta Meteor Sinica, 2006, 20(4): [18] 宋淑丽, 朱文耀, 丁金才, 等. 上海 GPS 网层析水汽三维分布改善数值预报湿度场. 科学通报, 2005, 50(20): [19] Flores A, Gradinarsky L P, El osegui P, et al. Sensing atmospheric structure: tropospheric tomographic results of the small-scale GPS campaign at the Onsala Space Observatory. Earth Planets Space, 2000, 52: [20] 毕研盟. 应用全球定位系统 (GPS) 遥测大气水汽的研究 [D]. 北京 : 北京大学, 2006 [21] Herring T A, King R W, McClusky S C. Introduction to GAMIT/GLOBK. Release Boston: Department of Earth, Atmospheric, and Planetary Sciences, MIT. ( ) [ ]. mit.edu/~simon/gtgk/intro_gg.pdf [22] 王久珂, 刘晓阳, 毛节泰, 等. GPS 蒙特卡罗三维水汽层析算法的研究. 北京大学学报 : 自然科学版, 2014, 50(6): [23] 曹玉静. 地基 GPS 层析大气三维水汽及其在气象中的应用 [D]. 北京 : 中国气象科学研究院,

气象第卷第期对流不稳定度

气象第卷第期对流不稳定度张芳华张涛周庆亮杨克明国家气象中心北京中国气象科学研究院灾害天气重点实验室利用上海自动观测站资料的逐小时分析资料水汽云图和多普勒雷达探测等资料对年月日上海飑线天气过程进行天气动力学诊断分析结果表明上海处在上干冷下暖湿的不稳定大气层结中对流层上层干冷空气的侵入和边界层暖湿气流强烈辐合是飑线天气的触发机制飑线以断续线型与后续线型相结合的型式形成在对流单体的右侧不断新生单体