動力因子對2006“碧利斯”臺風暴雨的診斷分析

汪亞萍　崔曉鵬　冉令坤　余暉

1中國科學院大氣物理研究所云降水物理與強風暴重點實驗室，北京1000292中國科學院大學，北京1000493南京信息工程大學氣象災害預報預警與評估協同創新中心，南京2100444中國氣象局上海臺風研究所，上海200030

動力因子對2006“碧利斯”臺風暴雨的診斷分析

汪亞萍1, 2崔曉鵬1, 3冉令坤1余暉4

1中國科學院大氣物理研究所云降水物理與強風暴重點實驗室，北京100029
2中國科學院大學，北京100049
3南京信息工程大學氣象災害預報預警與評估協同創新中心，南京210044
4中國氣象局上海臺風研究所，上海200030

摘要本文利用2006年登陸臺風“碧利斯”暴雨過程高分辨率數值模擬資料，結合濕熱力平流參數、廣義對流渦度矢量垂直分量、水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量、熱力切變平流參數和Q*矢量散度等8個動力因子，對“碧利斯”臺風暴雨進行診斷分析。結果指出：（1）8個動力因子在“碧利斯”臺風強降水區均表現為強信號，其中，水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量等動力因子與降水強度的相關系數均達0.99以上，與總云水物質的相關系數也均達0.97以上，而熱力切變平流參數與上述二者的相關系數最低，達0.5左右；（2）8個動力因子中，Q*矢量散度隨降水強度先增大后減小，與“霰融化成雨水造成雨水增長”微物理過程隨降水強度的變化相似，熱力切變平流參數隨降水強度呈現“增大—減小—再增大”的變化特征，而其他6個動力因子均呈現單調增長趨勢，與“雨水碰并云水造成雨水增長”微物理過程隨降水強度的變化相類似；（3）總體看來，水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量4個動力因子與降水強度及雨水收支相關的總的云微物理過程轉化率對應更好，因此，對降水的指示意義也更好。

關鍵詞“碧利斯” 臺風暴雨動力因子云微物理過程

汪亞萍，崔曉鵬，冉令坤，等. 2015. 動力因子對2006“碧利斯”臺風暴雨的診斷分析 [J]. 大氣科學, 39 (4): 747-756.Wang Yaping, Cui Xiaopeng, Ran

Lingkun, et al. 2015. Diagnosis of dynamical parameters in torrential rain associated with typhoon “Bilis” in 2006 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (4): 747-756, doi: 10.3878/j.issn.1006-9895.1411.14184.

資助項目上海臺風研究基金項目2013ST01

1　引言

我國是世界上受臺風影響最為嚴重的國家之一（陳聯壽和孟智勇，2001）。臺風，尤其是登陸臺風，能帶來暴雨、大風和暴潮，其中臺風暴雨災害影響最大。我國歷史上幾大破紀錄的暴雨災害均與臺風有關（Chen et al., 2010）。因此，臺風強降水（暴雨）預報一直是氣象部門關注的重點。

暴雨預報的主要手段包括數值預報和利用衛星、雷達等非常規觀測資料的外推臨近預報（高守亭等，2013b），其中，數值預報是主要趨勢。數值預報可以提供豐富的和熱、動力協調的預報產品，應用廣泛。隨著數值模式的不斷發展和進步，如何更好地應用數值預報產品成為一個重要課題?？紤]到模式降水來自于復雜的數值模式物理過程參數化（包括對流參數化和云微物理過程參數化等），其復雜性常常帶來模式降水直接預報的誤差，而數值模式對除降水外的其他熱、動力場（風場和溫度場等）的預報相對比較穩定，因此，氣象學者們開始尋找一些與降水具有良好相關性的動力因子，進而利用數值模式預報的熱、動力場量計算這些動力因子，最終給出基于數值預報模式基礎上的降水動力因子釋用預報，取得了很好的預報效果（姚秀萍和于玉斌，2000，2001；岳彩軍和壽紹文，2002；陸慧娟和高守亭，2003；Gao et al., 2004a，2004b，2005a，2005b，2007；Gao and Cao，2007；Cao and Gao，2007；劉漢華等，2007；冉令坤和楚艷麗，2009；齊彥斌等，2010；Wu et al., 2011；冉令坤等，2011；周冠博等，2012；楚艷麗等，2013；冉令坤等，2013；高守亭等，2013a，2013b；劉海軍等，2013；許孌等，2013；Ran et al., 2013）。這種釋用預報方法是基于數值預報模式的產品，因此，與數值模式發展相伴隨的模式熱、動力場預報水平的提高也必將帶動該釋用預報方法水平的進一步提升。本文將選取上述主要動力因子，利用“碧利斯”臺風暴雨過程的高分辨率數值模擬資料，進一步驗證多種動力因子對臺風暴雨、尤其是登陸之后的暴雨突然增幅過程的指示意義。綜合多種降水動力因子，針對同一降水過程開展診斷分析，這方面的工作開展的不多，其研究結果將有助于進一步理解和認識各種動力因子及其對降水的指示意義，也將有助于更好地組織多種動力因子開展集合動力因子降水釋用預報等。

2006年“碧利斯”臺風登陸中國大陸后，降水量不降反增，在湖南、廣東、江西三省交界附近地區降水突然增幅，出現特大暴雨，帶來嚴重災害。王黎娟等（2013）利用最高分辨率為3 km的ARPS （the Advanced Regional Prediction System）模式，成功模擬了“碧利斯”的登陸過程，并較好地再現了登陸后的暴雨增幅。Ren and Cui（2014）利用上述高分辨率模擬資料，研究了“碧利斯”暴雨增幅的云微物理可能成因，發現暴雨增幅期間，云水的增加主要通過兩個途徑對暴雨增幅產生貢獻：一是通過雨水對云水的碰并收集，造成雨水含量增加；二是通過云中雪粒子對云水的碰并，造成雪粒子含量增加，增加的雪粒子又被云中霰粒子碰并收集造成霰含量增長，進而由霰粒子融化為雨水，造成雨水含量增長。本文將進一步利用上述高分辨率模式資料，通過計算濕熱力平流參數、廣義對流渦度矢量垂直分量、水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量、熱力切變平流參數和Q*矢量散度等8個動力因子，分析動力因子與降水落區、降水強度、云中水凝物含量以及與地面降水直接相關的云微物理轉化過程之間的關系，研究上述多種動力因子對“碧利斯”臺風登陸后，在我國湖南、廣東、江西三省交界處引發的暴雨增幅過程的指示意義。本文所用資料取自王黎娟等（2013）的3 km高分辨率模式輸出資料，包括標準常規輸出項和云微物理轉化過程項，該資料已在王黎娟等（2013）以及Ren and Cui（2014）工作中得到充分

驗證。

２　動力因子簡介

下面對本文診斷分析中所用到的8個動力因子做簡要介紹。

2.1濕熱力平流參數

Wu et al.（2011）和高守亭等（2013b）把位溫平流的水平梯度和廣義位溫水平梯度的點積定義為濕熱力平流參數（G），并用于診斷鋒面附近的強降水事件，G表達式定義為

其中，v=(u,v,w )，為三維風速矢量，θ為位溫，θ?=為廣義位溫（Gao et al., 2004b），qv為水汽比濕，qs為飽和水汽比濕，k為經驗常數。?h=和?=+分別為水平和三維空間的梯度算子。濕熱力平流參數將水平鋒生和斜壓性自然地聯系起來，綜合描述了在鋒區附近冷、暖氣團中的動力、熱力和水汽特征。

對G取絕對值并從1250～5750 m（約850～500 hPa）進行質量垂直積分，得到

2.2廣義對流渦度矢量垂直分量

在中尺度深對流系統中，強烈的對流和潛熱釋放使得相當位溫梯度轉為近水平方向，Gao et al. （2004a, 2007）提出了對流渦度矢量，其表達式定義為

其中，ωa為絕對渦度，θe為相當位溫，ρ為密度。以廣義位溫θ?替代eθ，可得廣義對流渦度矢量，許孌等（2013）和王成鑫等（2013）將廣義對流渦度矢量應用于臺風暴雨的診斷分析中，取得很好效果。略去小項后，z坐標系下CVV*的垂直分量寫為

進行如上質量垂直積分后得到

2.3水汽螺旋度

其中，u、v、w分別為z坐標系中的x、y和z方向的速度，qv為水汽比濕。該物理量將垂直速度和垂直渦度耦合起來，并加入水汽的作用，對暴雨系統有很好的指示作用，對其進行質量垂直積分后得到

2.4熱力螺旋度

高守亭等 (2013b) 和楊帥等 (2013) 將廣義位溫引入垂直螺旋度的概念中，給出了熱力螺旋度的定義：該物理量既包含大氣動力學特征，也包含大氣濕斜壓性特征，對其進行質量垂直積分后得到

2.5散度垂直通量

大氣低層輻合、高層輻散以及上升運動是降水過程中的典型動力結構特征，冉令坤和楚艷麗（2009），周冠博等（2012）和劉海軍等（2013）將垂直速度和水平散度的乘積定義為散度垂直通量，其在z坐標系下的表達式為

進行質量垂直積分后得到

在散度垂直通量基礎上，通過引入能夠反映濕大氣非均勻飽和特性的廣義位溫，高守亭等 (2013b)定義了熱力散度垂直通量，此因子綜合體現了降水過程中的動力和熱力特征，其在z坐標系下的表達式為

質量垂直積分后得到

2.7熱力切變平流參數

齊彥斌等 (2010) 引入了熱力切變平流參數，表達式為

該因子第一項為對流渦度矢量的垂直分量，體現了水平風場的垂直切變與大氣斜壓性，第二項為水平散度和廣義位溫垂直梯度的相互作用項。對其進行質量垂直積分后得到

2.8廣義Q?矢量散度

將廣義位溫代替非地轉濕Q矢量（姚秀萍和于玉斌, 2000）中的位溫，且不考慮凝結潛熱的作用，得到廣義Q矢量，其各分量表達式為：

而Q?矢量散度定義為

質量垂直積分后得

３　動力因子模擬診斷分析

本節將利用王黎娟等（2013）的“碧利斯”臺風暴雨過程高分辨率（3 km）數值模式資料，結合上述8個動力因子，針對同一臺風暴雨過程開展診斷分析，探討多個動力因子對臺風暴雨的指示意義。

3.1累積降水量與動力因子水平分布

圖1給出了2006年7月14日12:00到15日12:00（協調世界時，下同）“碧利斯”臺風登陸期間，數值模式模擬的24小時累積降水量以及利用模擬資料計算的24小時平均的質量垂直積分動力因子水平分布[“碧利斯”臺風暴雨過程實況、數值模擬與驗證、登陸后的暴雨增幅過程分析等詳見王黎娟等（2013）以及Ren and Cui（2014）]。由圖可見，24小時累積降水量達到350 mm以上，主要分布在廣東、湖南和江西三省交界附近地區，Gsum、 CVZ*sum、Hmsum、Htsum、Γsum、Γtsum、Jsum和Q*dsum 等8個動力因子在上述降水區均表現為較強信號，說明上述動力因子對此次臺風暴雨落區均具有一定指示意義。其中，Gsum的信號異常區基本上與強降水區相對應（圖1a），但在（25.5°～26.5°N，114°～115°E）區域存在的強信號沒有對應明顯強降水中心；CVZ*sum、Jsum和Q*dsum的異常信號基本覆蓋整個24小時降水落區，CVZ*sum在強降水區等值線較密集（圖1b），但強信號中心較降水中心偏向東北，Jsum（圖1g）異常中心與強降水區吻合較差，而Q*dsum的最大信號異常中心與強降水中心較為接近（圖1h）；Hmsum、Htsum、Γsum和Γtsum（圖1c、d、e、f）與強降水落區對應最好，異常信號集中在降水強度大于75 mm的地區，這4個動力因子的分布較為相似，信號異常中心與降水中心基本重合，對此次降水過程的強降水中心指示意義最好。

“碧利斯”臺風登陸之后，在廣東、湖南和江西三省交界附近地區引發暴雨突然增幅，14日18:00～15日00:00模擬6小時累積降水量最大超過240 mm（圖略），較暴雨增幅發生前明顯增大，達14日12:00～15日12:00的24小時累積總降水量的2/3左右（圖1），同時，云中水凝物也較暴雨增幅前出現顯著增長（Ren and Cui，2014）。進一步分析發現，以上8個動力因子在暴雨增幅時段（14日18:00～15日00:00）對降水也具有非常好的指示意義，其與6小時累積降水分布的關系與圖1類似，各個因子的指示能力也相類似（圖略）。

3.2動力因子與逐小時降水強度、云水凝物以及微物理過程變化的關系

選取24小時累積降水量達到暴雨級別（＞50 mm）的區域，對逐小時累積降水量、質量垂直積分后的動力因子、與雨水相關的主要云微物理過程整層累加后的轉化率（Pracw，雨水碰并云水造成雨水增長；Pgmlt，霰粒子融化成雨水；Ren and Cui，2014）、整層累加后的云中水凝物混合比做區域平均，得到四者的逐小時變化圖（圖2和圖3），其中，云中水凝物包括云水（Qc）、雨水（Qr）、云冰（Qi）、雪（Qs）和霰（Qg），而云水物質總混合比記為?？傮w看來，動力因子、云微物理過程轉化率與小時降水強度均具有較為一致的變化趨勢（圖2），但Q*dsum、CVZ*sum和Gsum比降水強度變化提前1至2個小時達到最大

值，而Jsum提前了3個小時，這種提前是否具有預報價值尚待進一步多個例的深入研究。同時相關分析發現（表1），CVZ*sum、Hmsum、Htsum、Γsum和Γtsum的逐小時變化與小時降水量變化有很好的相關性，相關系數均達到0.95以上，表現出對強降水很好的指示意義；Gsum和Q*dsum變化與降水量變化的相關性也較好，相關系數在0.90左右；而Jsum與降水量的相關性相對較差，接近0.5；與雨水生成相關的2個主要的云微物理過程（Pracw和Pgmlt）與8個動力因子也表現出很好的相關性（圖2，表1），其變化特征與小時降水量相類似（圖2），相關系數也類似（表1）。由圖3可見，總體上看，各動力因子和云中水凝物含量也具有較為一致的變化趨勢，除Jsum外的其他7個動力因子與5種水凝物之和（QCH）的相關系數均達到0.9以上， Jsum與QCH的相關系數也略高于與小時雨量的相關系數，達到約0.55。雨水、云冰、雪、霰及總水凝物均在降水最大時段（圖2）達到最大值，云水的變化比較獨特，其最大值出現的時間略超前其他水凝物，也略超前地面降水最大值的出現（圖2和圖3），這種變化特征與Jsum的變化更為接近，因此，Jsum與云水的相關系數也是與其他物理量相關系數中最高的（0.5797，表1）。

圖1　2006年7月14日12:00～15日12:00（協調世界時，下同）的24小時累積降水量（陰影, 單位：mm）以及平均的8個動力因子（等值線）分布：（a）濕熱力平流參數， Gsum，單位：10-8K2kg m-4s-1；（b）廣義對流渦度矢量垂直分量，CVZ*sum，單位：10-5K m-1s-1；（c）水汽螺旋度，Hmsum，單位：10-5kg m-1s-2；（d）熱力螺旋度，Htsum，單位：10 K kg m-1s-2；（e）散度垂直通量，Γsum，單位：10-1kg m-1s-2；（f）熱力散度垂直通量，Γtsum，單位：10 K kg m-1s-2；（g）熱力切變平流參數，Jsum，單位：10-6K kg m-3s-1；（h）Q*矢量散度，Q*dsum，單位：10-11kg m-3s-3Fig. 1　24-hour cumulative precipitation(shaded, units: mm) and averaged eight dynamical parameters(contours) from 1200 UTC 14 Jul to 1200 UTC 15 Jul, 2006: (a) Moist thermodynamic advection parameter, Gsum, units: 10-8K2kg m-4s-1; (b) the vertical component of the generalized convective vorticity vector, CVZ*sum, units: 10-5K m-1s-1; (c) moisture helicity, Hmsum, units: 10-5kg m-1s-2; (d) thermal helicity, Htsum, units: 10 K kg m-1s-2; (e) divergence vertical flux, Γsum, units: 10-1kg m-1s-2; (f) thermal divergence vertical flux, Γtsum, units: 10 K kg m-1s-2; (g) thermodynamic shear advection parameter, Jsum, units: 10-6K kg m-3s-1; (h) generalized Q-vector divergence, Q*dsum, units: 10-11kg m-3s-3

圖2　2006年7月14日12:00～15日12:00逐小時累積降水量（柱狀圖）、8個動力因子（標圓點的實線，Gsum，單位：10-9 K2 kg m-4 s-1；CVZ*sum，單位：10-5K m-1s-1；Hmsum，單位：10-6kg m-1s-2；Htsum，單位：101K kg m-1s-2；Γsum，單位：10-2kg m-1s-2；Γtsum，單位：101K kg m-1s-2；Jsum，單位：10-6K kg m-3s-1；Q*dsum，單位：10-12kg m-3s-3）以及云微物理過程轉化率（Pgmlt和Pracw，標圓點的虛線，單位：10-6g g-1s-1）隨時間變化圖Fig. 2　Variation of hourly cumulative precipitation (histogram), eight dynamical parameters (solid lines with dots, Gsum, units: 10-9K2kg m-4s-1; CVZ*sum, units: 10-5K m-1s-1; Hmsum, units: 10-6kg m-1s-2; Htsum, units: 101K kg m-1s-2; Γsum, units: 10-2kg m-1s-2; Γtsum, units: 101K kg m-1s-2; Jsum, units: 10-6K kg m-3s-1; Q*dsum, units: 10-12kg m-3s-3), and cloud microphysical process conversion rates (dashed lines with dots; Pgmlt, the melting of graupel; Pracw, accretion of cloud water by rain, units: 10-6g g-1s-1) in the period of 1200 UTC 14 Jul to 1200 UTC 15 Jul, 2006

圖3　2006年7月14日12:00～15日12:00的8個動力因子（虛線，Gsum，單位：10-9 K2 kg m-4 s-1；CVZ*sum，單位：10-5 K m-1 s-1；Hmsum，單位：10-6kg m-1s-2；Htsum，單位：101K kg m-1s-2；Γsum，單位：10-2kg m-1s-2；Γtsum，單位：101K kg m-1s-2；Jsum，單位：10-6K kg m-3s-1；Q*dsum，單位：10-12kg m-3s-3）和云中水凝物混合比（實線，Qc，單位：10-3g g-1；Qr，單位：10-3g g-1；Qi，單位：10-4g g-1；Qs，單位：10-3g g-1；Qg，單位：10-4g g-1；QCH，單位：10-3g g-1）隨時間變化圖Fig. 3　Variation of eight dynamical parameters (dashed lines, Gsum, units: 10-9K2kg m-4s-1; CVZ*sum, units: 10-5K m-1s-1; Hmsum, units: 10-6kg m-1s-2; Htsum, units: 101K kg m-1s-2; Γsum, units: 10-2kg m-1s-2; Γtsum, units: 101K kg m-1s-2; Jsum, units: 10-6K kg m-3s-1; Q*dsum, units: 10-12kg m-3s-3) and cloud hydrometeors mixing ratios (solid lines, Qc, units: 10-3g g-1; Qr, units: 10-3g g-1; Qi, units: 10-4g g-1; Qs, units: 10-3g g-1; Qg, units: 10-4g g-1; QCH, units: 10-3g g-1) in the period of 1200 UTC 14 Jul to 1200 UTC 15 Jul, 2006

表1　2006年7月14日12:00～15日12:00質量垂直積分的動力因子與1小時累積降水量、云微物理過程轉化率（Pgmlt，Pracw）、云中水凝物混合比（Qc，Qr，Qi，Qs，Qg，QCH）的相關系數Table 1　Correlation coefficients of the vertically integrated dynamical parameters and 1-hour cumulative precipitation, cloud microphysical processes conversion rates (Pgmlt, Pracw), cloud hydrometeors mixing ratios (Qc，Qr，Qi，Qs，Qg，QCH) from 1200 UTC 14 Jul to 1200 UTC 15 Jul, 2006

可見，8個動力因子均能在不同程度上指示出降水云系的發展演變以及與雨水生成相關的主要云微物理過程的發展演變，因此對地面降水過程展現出很好的指示意義；同時也應注意到，各個動力因子對此次暴雨過程降水云系、主要云微物理過程和地面降水的指示能力不同，有些還可能具有一定超前性，而這種超前性的存在可能與某些動力因子更傾向于指示降水云系的初期發展過程有關，這有待于進一步深入分析。

3.3動力因子強度隨降水強度的變化分析

進一步，將2006年7月14日18:00～15日00:00模擬的暴雨增幅期間6小時累積降水按照降水強度分成8級：0～13 mm、13～25 mm、25～60 mm、60～120 mm、120～160 mm、160～200 mm、200～240 mm和 240～280 mm，并分別計算不同降水強度級別平均的8種動力因子以及不同降水強度級別平均的垂直累加的雨水主要源匯項。其中雨水主要源匯項包括：雨水碰并云水造成雨水增長（Pracw）、霰融化成雨水（Pgmlt）、雪融化成雨水（Psmlt）、霰碰并云水轉化成雨水（Qgacw）、云冰粘附雨水造成雪或霰增長（Piacr）以及雨水蒸發（Ern）（Ren and Cui，2014），雨水相關總的云微物理過程轉化率為上述6項轉化率之和。由圖4可以看到，Pracw和Pgmlt是雨水的兩個最主要來源項，并且，Pracw隨著降水強度的增大而增大，而Pgmlt隨著降水強度的增大先增大后減小（Cui et al.，2014），雨水相關總的云微物理過程轉化率隨著降水強度的增大而增大；8個動力因子中，Q*矢量散度（Q*dsum）隨著降水強度先增大后減小，與“霰融化成雨水造成雨水增長”微物理過程（Pgmlt）隨降水強度的變化特征相似，熱力切變平流參數（Jsum）隨降水強度則呈現出“增大—減小—再增大”的變化特征，其他6個動力因子（Gsum、CVZ*sum、Hmsum、Htsum、Γsum和Γtsum）隨降水強度均呈現單調增長變化特征，與“雨水碰并云水造成雨水增長”微物理過程（Pracw）隨降水強度的變化特征相類似，其中Hmsum、Htsum、Γsum和Γtsum等4個動力因子的表現更好。

綜合以上分析可見，8個動力因子均能在不同程度上對2006年“碧利斯”臺風降水云系的發展和地面降水過程展現出很好的指示能力，而水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量等4個動力因子與降水強度及雨水收支相關的總云微物理過程轉化率對應更好，因此，對降水的指示意義也更好。

4　結論

本文利用2006年“碧利斯”臺風暴雨過程的高分辨率數值模擬資料（包括標準常規輸出項和云微物理轉化過程項資料），分析研究了濕熱力平流參數（Gsum）、廣義對流渦度矢量垂直分量（CVZ*sum）、水汽螺旋度（Hmsum）、熱力螺旋度（Htsum）、散度垂直通量（Γsum）、熱力散度垂直通量（Γtsum）、熱力切變平流參數（Jsum）和Q*矢量散

度（Q*dsum）等8個動力因子與降水落區、降水強度、云中水凝物含量以及與地面降水直接相關的云微物理轉化過程之間的關系，探討了上述多種動力因子對“碧利斯”臺風暴雨過程，包括在湖南、廣東、江西三省交界處引發的暴雨增幅過程的指示意義。主要結論如下：

圖4　2006年7月14日18:00～15日00:00的6小時平均的雨水主要源匯項轉化率（柱狀圖，單位：10-8 g g-1 s-1）、總云微物理過程轉化率（標園點的虛線）以及8種動力因子（標圓點的實線，（a）Gsum，單位：10-9K2kg m-4s-1；（b）CVZ*sum，單位：10-5K m-1s-1；（c）Hmsum，單位：10-6kg m-1s-2；（d）Htsum，單位：K kg m-1s-2；（e）Γsum，單位：10-2kg m-1s-2；（f）Γtsum，單位：K kg m-1s-2；（g）Jsum，單位：10-7K kg m-3s-1；（h）Q*dsum，單位：10-12kg m-3s-3）隨降水強度的變化分布Fig. 4　variation of 6-hour averaged cloud microphysical conversion rates associated with rain (histogram, unit: g g-1s-1), the sum of all source and sink conversion rates associated with rain (dashed line with dots), eight dynamical parameters (solid line with dots, (a) Gsum, units: 10-9K2kg m-4s-1; (b) CVZ*sum, units: 10-5K m-1s-1; (c) Hmsum, units: 10-6kg m-1s-2; (d) Htsum, units: K kg m-1s-2; (e) Γsum, units: 10-2kg m-1s-2; (f) Γtsum, units: K kg m-1s-2; (g) Jsum, units: 10-7K kg m-3s-1; (h) Q*dsum, units: 10-12kg m-3s-3) with different rainfall intensity in the periods of 1800 UTC 14 Jul to 0000 UTC 15 Jul, 2006

（1）各動力因子均能在不同程度上指示出“碧利斯”臺風降水云系的發展演變以及與雨水生成相關的主要云微物理過程的發展演變，因此對地面降水過程展現出很好的指示意義；各動力因子的指示能力不同，其中，水汽螺旋度、熱力螺旋度、散度垂直通量、熱力散度垂直通量等4個動力因子逐小時變化與小時降水強度變化的相關系數均達到0.99以上，與總云水凝物的相關系數也均達到0.97以上，說明這些動力因子能夠更好地指示出降水云系的發展和地面降水過程的發生；

（2）8個動力因子中，Q*矢量散度隨降水強度先增大后減小，與“霰融化成雨水造成雨水增長”微物理過程（Pgmlt）隨降水強度的變化相似，熱力切變平流參數隨降水強度呈現“增大—減小—再增大”的變化特征，而其他6個動力因子均呈現單調增長趨勢，與“雨水碰并云水造成雨水增長”微物理過程（Pracw）隨降水強度的變化相類似。

本文分析了多種動力因子對“碧利斯”暴雨增幅的指示意義，及其與云微物理轉化過程的關系，在未來的工作中，將進一步探討動力因子Q*矢量散度與“霰融化成雨水造成雨水增長”微物理過程，以及動力因子Gsum、CVZ*sum、Hmsum、Htsum、Γsum、Γtsum與“雨水碰并云水造成雨水增長”微物理過程隨降水強度呈現相類似的變化特征的原因。此外，本文主要探討了多種動力因子對“碧利斯”暴雨過程的指示意義，未來工作計劃利用預報場資料，進一步探討其對暴雨過程的預報意義。

參考文獻（References）

Cao J, Gao S T. 2007. Extended interpretations in Q vector analyses and applications in a torrential rain event [J]. Geophys. Res. Lett., 34 (15): L15804, doi:10.1029/2007GL030781.

陳聯壽, 孟智勇. 2001. 我國熱帶氣旋研究十年進展 [J]. 大氣科學, 25 (3): 420–432.Chen Lianshou, Meng Zhiyong. 2001. An overview on tropical cyclone research progress in China during the past ten years [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 25 (3): 420–432.

Chen L S, Li Y, Cheng Z Q. 2010. An overview of research and forecasting on rainfall associated with landfalling tropical cyclones [J]. Adv. Atmos. Sci., 27 (5): 967–976.

楚艷麗, 王振會, 冉令坤, 等. 2013. 臺風莫拉克（2009）暴雨過程中位勢切變形變波作用密度診斷分析和預報應用 [J]. 物理學報, 62 (9): 099201.Chu Yanli, Wang Zhenhui, Ran Lingkun, et al., 2010. Diagnosis and application of potential shear deformation wave-activity density in the torrential rain of typhoon Morokat (2009) [J]. Acta Physica Sinica (in Chinese), 62 (9): 099201.

高守亭, 劉璐, 李娜. 2013a. 近幾年中尺度動力學研究進展 [J]. 大氣科學, 37 (2): 319–330.Gao Shouting, Liu Lu, Li Na. 2013a. Major advances in research on mesoscale atmospheric dynamics in recent years [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (2): 319–330.

高守亭, 冉令坤, 李娜, 等. 2013b. 集合動力因子暴雨預報方法研究 [J].暴雨災害, 32 (4): 289–302.Gao Shouting, Ran Lingkun, Li Na, et al. 2013b. The “Ensemble Dynamic Factors” approach to predict rainstorm [J]. Torrential Rain and Disasters (in Chinese), 32 (4): 289–302.

Gao S T, Cao J. 2007. Physical basis of generalized potential temperature and its application to cyclone tracks in nonuniformly saturated atmosphere [J]. J. Geophys. Res., 112 (D18): D18101, doi:10.1029/ 2007JD008701.

Gao S T, Wang X R, Zhou Y S. 2004a. Generation of generalized moist potential vorticity in a frictionless and moist adiabatic flow [J]. Geophys. Res. Lett., 31 (12): L12113, doi:10.1029/2003GL019152.

Gao S T, Ping F, Li X F, et al. 2004b. A convective vorticity vector associated with tropical convection: A two-dimensional cloud-resolving modeling study [J]. J. Geophys. Res., 109 (D14): D14106, doi:10.1029/ 2004JD004807.

Gao S T, Cui X P, Zhou Y S, et al. 2005a. A modeling study of moist and dynamic vorticity vectors associated with two-dimensional tropical convection [J]. J. Geophys. Res., 110 (D17): D17104, doi: 10.1029/ 2004JD005675.

Gao S T, Zhou Y S, Lei T, et al. 2005b. Analyses of hot and humid weather in Beijing city in summer and its dynamical identification [J]. Science in China Ser. D Earth Sciences, 48 (S2): 128–137.

Gao S T, Li X F, Tao W K, et al. 2007. Convective and moist vorticity vectors associated with tropical oceanic convection: A three-dimensional cloud-resolving model simulation [J]. J. Geophys. Res., 112 (D1): D01105, doi: 10.1029/2006JD007179.

劉漢華, 壽紹文, 周軍. 2007. 非地轉濕 Q 矢量的改進及其應用 [J].南京氣象學院學報, 30 (1): 86–93.Liu Hanhua, Shou Shaowen, Zhou Jun. 2007. Improvement and application of ageostrophic wet Q-vector [J]. Journal of Nanjing Institute of Meteorology (in Chinese), 30 (1): 86–93.

劉海軍, 沈新勇, 許孌, 等. 2013. 1011 號臺風 “凡亞比” 登陸過程數值模擬及診斷分析 [J]. 氣候與環境研究, 18 (5): 583–594.Liu Haijun, Shen Xinyong, Xu Luan, et al. 2013. Numerical simulation and diagnostic analysis of landfall processes of typhoon Fanapi (1011) [J]. Climatic and Environmental Research (in Chinese), 18 (5): 583–594.

陸慧娟, 高守亭. 2003. 螺旋度及螺旋度方程的討論 [J]. 氣象學報, 61 (6): 684–691.Lu Huijuan, Gao Shouting. 2003. On the helicity and the helicity equation [J]. Acta Meteorologica Sinica (in Chinese), 61 (6): 684–691.

齊彥斌, 冉令坤, 洪延超. 2010. 強降水過程中熱力切變平流參數的診

斷分析 [J]. 大氣科學, 34 (6): 1201–1213.Qi Yanbin, Ran Lingkun, Hong Yanchao. 2010. Diagnosis of thermodynamic shear advection parameter in heavy rainfall events [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (6): 1201–1213.

冉令坤, 楚艷麗. 2009. 強降水過程中垂直螺旋度和散度通量及其拓展形式的診斷分析 [J]. 物理學報, 58 (11): 8094–8106.Ran Lingkun, Chu Yanli. 2009. Diagnosis of vertical helicity, divergence flux and their extensions in heavy-rainfall events [J]. Acta Physica Sinica (in Chinese), 58 (11): 8094–8106.

冉令坤, 周玉淑, 楊文霞. 2011. 強對流降水過程動力因子分析和預報研究 [J]. 物理學報, 60 (9): 099201.Ran Lingkun, Zhou Yushu, Yang Wenxia. 2011. Analysis and forecasting of heavy-rainfall event by strong convection [J]. Acta Physica Sinica (in Chinese), 60 (9): 099201.

冉令坤, 劉璐, 李娜, 等. 2013. 臺風暴雨過程中位勢散度波作用密度分析和預報應用研究 [J]. 地球物理學報, 56(10): 3285–3301.Ran Lingkun, Liu Lu, Li Na, et al. 2013. The analysis of the potential-divergence wave activity density and its application to typhoon precipitation [J]. Chinese Journal of Geophysics (in Chinese), 56 (10): 3285–3301.

Ran L K, Li N, Gao S T. 2013. PV-based diagnostic quantities of heavy precipitation: Solenoidal vorticity and potential solenoidal vorticity [J]. J. Geophys. Res. Atmos., 118 (11): 5710–5723.

Ren C P, Cui X P. 2014. The cloud-microphysical cause of torrential rainfall amplification associated with Bilis (0604) [J]. Science China Earth Sciences, 57 (9): 2100–2111.

王成鑫, 高守亭, 梁莉, 等. 2013. 動力因子對地形影響下的四川暴雨落區的診斷分析 [J]. 大氣科學, 37 (5): 1099–1110.Wang Chengxin, Gao Shouting, Liang Li, et al. 2013. Diagnostic analysis of dynamical parameters for Sichuan rainstorm influenced by terrain [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (5): 1099–1110.

王黎娟, 任晨平, 崔曉鵬, 等. 2013. “碧利斯”暴雨增幅高分辨率數值模擬及診斷分析 [J]. 大氣科學學報, 36 (2): 147–157.Wang Lijuan, Ren Chenping, Cui Xiaopeng, et al. 2013. High-resolution numerical simulation and diagnostic analysis of rainfall amplification of Bilis (0604) [J]. Transactions of Atmospheric Sciences (in Chinese), 36 (2): 147–157.

Wu X D, Ran L K, Chu Y L. 2011. Diagnosis of a moist thermodynamic advection parameter in heavy-rainfall events [J]. Adv. Atmos. Sci., 28 (4): 957–972.

許孌, 何金海, 高守亭, 等. 2013. 集合動力因子對登陸臺風“莫拉克”（0908）暴雨落區的診斷與預報研究 [J]. 大氣科學, 37 (1): 23–35. Xu Luan, He Jinhai, Gao Shouting, et al. 2013. Diagnostic and predictive studies of torrential rain location associated with landfalling typhoon Morakot (0908) using multi-dynamical parameters [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (1): 23-35.

楊帥, 陳斌, 高守亭. 2013. 水汽螺旋度和熱力螺旋度在華北強“桑拿天”過程中的分析及應用 [J]. 地球物理學報, 56 (7): 2185–2194. Yang Shuai, Chen Bin, Gao Shouting. 2013. Diagnostic analyses and applications of the moisture helicity and thermal helicity for two strong “Sauna” weather processes in northern China [J]. Chinese Journal of Geophysics (in Chinese), 56 (7): 2185–2194.

姚秀萍, 于玉斌. 2000. 非地轉濕 Q 矢量及其在華北特大臺風暴雨中的應用 [J]. 氣象學報, 58 (4): 436–446.Yao Xiuping, Yu Yubin. 2000. Non-geostrophic wet Q-vector analysis and its application to typhoon torrential rain [J]. Acta Meteorologica Sinica (in Chinese), 58 (4): 436–446.

姚秀萍, 于玉斌. 2001. 完全 Q 矢量的引入及其診斷分析 [J]. 高原氣象, 20 (2): 208–213.Yao Xiuping, Yu Yubin. 2001. Perfect Q-vector and its diagnoses [J]. Plateau Meteorology (in Chinese), 20 (2): 208–213.

岳彩軍, 壽紹文. 2002. 濕 Q 矢量散度場與ω場的比較 [J]. 南京氣象學院學報, 25 (3): 420–424.Yue Caijun, Shou Shaowen. 2002. Comparsion of wet Q vector divergence with ω field [J]. Journal of Nanjing Institute of Meteorology (in Chinese), 25 (3): 420–424.

周冠博, 崔曉鵬, 高守亭. 2012. 臺風“鳳凰”登陸過程的高分辨率數值模擬及其降水的診斷分析 [J]. 大氣科學, 36 (1): 23–34.Zhou Guanbo, Cui Xiaopeng, Gao Shouting. 2012. The high-resolution numerical simulation and diagnostic analysis of the landfall process of typhoon “Fungwong” [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (1): 23–34.

Diagnosis of Dynamical Parameters in Torrential Rain Associated with Typhoon “Bilis” in 2006

WANG Yaping1, 2, CUI Xiaopeng1, 3, RAN Lingkun1, and YU Hui4

1 Key Laboratory of Cloud–Precipitation Physics and Severe Storms, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
2 University of Chinese Academy of Sciences, Beijing 100049
3 Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044
4 Shanghai Typhoon Institute (STI) of China Meteorological Administration, Shanghai 200030

AbstractHigh-resolution numerical simulation data of typhoon Bilis in 2006 was used for diagnostic analysis of eight dynamical parameters in a torrential rain event associated with Bilis. The eight parameters are moist thermodynamic advection parameter (G), the vertical component of the generalized convective vorticity vector (CVZ*), moisture helicity (Hm), thermal helicity (Ht), divergence vertical flux (Γ), thermal divergence vertical flux (Γt), thermodynamic shear advection parameter (J), and generalized Q-vector divergence (Q*d). The results show that the following. (1) All eight dynamical parameters show strong signals in torrential

rainfall regions. The correlation coefficients of the rain rate and Hm, Ht, Γ, Γtare all larger than 0.99, while the correlation coefficients of the total cloud hydrometeors and the four parameters above are all larger than 0.97. The correlation coefficients between J and rain rate, and J and total hydrometeors are both about 0.5, which is the lowest. (2) Q*dfirst increases and then decreases with an increase in rainfall intensity, sharing the same variation as the melting of graupel. J shows an increasing–decreasing–increasing pattern, while the other six parameters always increase with an increase in rainfall intensity, sharing the same variation pattern as the accretion of cloud water by rain water. (3) Overall, Hm, Ht, Γ and Γtcorrespond better with the rain rate and total cloud-microphysical processes associated with rain water. Thus, they are more indicative of strong precipitation.

KeywordsBilis, Typhoon torrential rain, Dynamical parameters, Cloud-microphysical processes

通訊作者崔曉鵬，E-mail: xpcui@mail.iap.ac.cn

作者簡介汪亞萍，女，1990年出生，碩士研究生，主要從事臺風數值模擬與診斷研究。E-mail: wangyaping@mail.iap.ac.cn

收稿日期2014-05-13；網絡預出版日期 2014-11-23

doi:10.3878/j.issn.1006-9895.1411.14184

中圖分類號

文章編號1006-9895(2015)04-0747-10P444

文獻標識碼A