畢節大氣可降水量與暴雨關系研究

楊 洋，柯莉萍，聶 祥，張成剛，張宗笛，施倩雯

(1.貴州省織金縣氣象局，貴州 織金 552100；2.貴州省威寧彝族回族苗族自治縣氣象局，貴州 威寧 553100；3.貴州省畢節市氣象局，貴州 畢節 551700；4.貴州省大方縣氣象局，貴州 大方 551600；5.貴州省金沙縣氣象局，貴州 金沙 551800)

0 引言

降水是影響人民生產生活的主要天氣，近年來，全球變暖導致極端天氣增多，畢節市暴雨天氣頻發，強降水誘發的城市內澇、山洪、泥石流等次生災害常常威脅到人們的生命財產安全，因此降水天氣預報尤為重要，對暴雨天氣預報的準確性更是提出了更高的要求。

大氣可降水量(precipitable water vapor,PWV)是指單位面積空氣柱里含有的水汽的總數量，也稱為可降水量。它對應于空氣中的水分全部凝結成雨、雪降落(把空氣擠得一點水分都沒有)所能形成的降水量。大氣水汽是產生各種災害天氣的重要參數，它的時空分布、相變產生的潛熱釋放等，對大氣垂直穩定度和天氣系統的發展和演變起著決定性作用。強烈的對流天氣配合充足的水汽容易引發強降水天氣，所以大氣可降水量也被認為是衡量大氣水汽條件好壞以及判斷暴雨天氣是否發生的重要指標。因此探討地面溫度露點反算大氣可降水量在降雨預報中的應用研究，為暴雨天氣預報提供重要的方法，具有十分重要的實際意義。畢節地形復雜，西高東低，暴雨天氣過程具有明顯的突發性和局地性，通過研究PWV與暴雨天氣過程的關系，有望提高降水預報準確率。陳聰等利用四川GPS 觀測網數據資料和GAMIT軟件解算來反演大氣可降水量，研究表明，GPS反演出的大氣可降水量對暴雨的臨近預報具有較好的指示意義；秦鑫等通過降水樣本擬合的方式探究遼寧地區大氣可降水量閾值與降水的關系，結果顯示PWV在降水預報方面具有一定的應用價值；強安豐等選用歐洲中心經、緯向水汽通量和大氣可降水量資料，采用IDW等方法探究三江源區大氣可降水量時空分布特征及其與降水的關系；于立等利用NCEP/NCAR月平均再分析資料和降水資料，分析了山西地區整層大氣可降水量以及實際降水量變化特征，結果顯示，大氣可降水量月季變化明顯，其年變化與實際降水量年變化也不盡相同；程航等選取大連市3次降水天氣過程，利用地基GPS/MET觀測網大氣可降水量數據進行研究，分析了大氣可降水量與降水量、水汽輸送的關系；柯莉萍等利用貴州省貴陽、威寧探空觀測數據及地面觀測數據，采用數值積分法、最小二乘法對2站的大氣加權平均溫度進行計算，建立貴州省月、季度、年的大氣加權平均溫度本地化模型；王根等基于GPS/PWV資料，對安徽省大氣中水汽的時空分布特征進行分析，研究表明，GPS/PWV平均值和地形高度變化存在正相關；洪瀟宇利用MICAPS常規資料，對赤峰市14個國家站的實際降水量與大氣可降水量進行相關性分析，研究表明，局地較大的大氣可降水量與該地降水量之間沒有明顯的對應關系，而范圍性大氣可降水量增加至較大值對暴雨預報有一定的指示意義。

1 資料與方法

1.1 資料

本文選取2005—2019年畢節市8個國家站的269個暴雨天氣過程及其發生前24 h的經過質控的地面露點溫度資料和2020年23個暴雨天氣過程資料。

1.2 方法

采用楊景梅等的露點法建立畢節8個國家站的(PWV)關系模型，柯莉萍等利用探空法與露點法反算的(PWV)進行研究對比表明，該方法可應用于(PWV)的反演中。地面露點法計算大氣可降水量經驗公式如下：

(1)

′ = 002+-

(2)

′ = 0062exp(0036+ 012)-

(3)

=exp(-1975+3983+0400)

(4)

(5)

=00

(6)

(7)

(1)～(7)式中為大氣可降水量，單位：mm;為露點溫度,單位：℃；′、′為經驗系數；為海拔高度，單位：km;為地理緯度。

2 大氣可降水量與地面露點模型

利用公式(1)～(7)及表1中各國家站的緯度、海拔高度計算得出各站的經驗系數′、′，建立大氣可降水量與地面露點的關系模型(表2)。

表1 畢節各國家站的緯度和海拔高度

表2 畢節各國家站的經驗系數、大氣可降水量模型

3 畢節暴雨PWV閾值指標及時間提前量

3.1 畢節暴雨PWV閾值指標

統計分析畢節市各國家站在2005—2019年間269個暴雨天氣過程中PWV與降水強度之間的關系，發現在不同月份降雨過程開始持續上升并超過一定閾值時，有暴雨天氣發生，大多數的強降水發生在PWV達到閾值的0～12 h內;當PWV達到峰值開始下降時，多數降水過程隨之在此后的幾小時內結束。基于2005—2019年畢節各站暴雨天氣及露點資料，利用統計分析等方法建立各站每月發生強降水前12 h內PWV閾值指標(表3)。

表3 畢節各國家站PWV在強降水中的閾值指標(單位：mm)

由于畢節市暴雨分布不均勻，4月、10月發生暴雨的幾率較小，部分縣區沒有PWV在強降水中的閾值指標，4月僅黔西存在PWV閾值指標，與黔西其他各月相比較，4月閾值指標最低。

通過表3可以看出，大氣可降水量(PWV)與海拔存在負相關，海拔最高的威寧在各月的PWV閾值最低，海拔最低的金沙平均值最大。結合圖1分析PWV均值，其單峰型特征明顯，以7月閾值最高即為峰值，分別向兩邊延伸遞減，4月與10月、5月與9月、6月與8月閾值均相近，兩兩沿7月閾值遞減呈現對稱分布。整個畢節市的平均PWV閾值在40.0～52.2mm之間，而各站均有不同，PWV閾值單峰型特征顯著，夏季(6—8月)閾值相對其他月份較高。

3.2 畢節暴雨PWV時間提前量

每月大氣可降水量(PWV)的差異較為明顯，在降水的強度、性質等方面均不相同，各站每月PWV達到閾值指標后出現降水的時間不同。當PWV達峰值后開始波動減小，隨后測站出現降水，將峰值出現的時刻與降水開始的時刻的差值作為PWV峰值相對降水開始時間的提前量。

表4為2005—2019年畢節各站PWV峰值相對降水開始的平均時間提前量分布統計情況。從表中看出，PWV峰值多出現于降水之前，占88%；與降水同步發生的情況占8%，PWV峰值滯后出現的僅七星關9月。根據平均值V(即區域逐月平均提前量)可知，畢節市4—10月的時間提前量在1.7～5.7 h之間，10月的暴雨天氣持續時間長，強度相對較小，大氣可降水量累積耗時長，PWV峰值超前降水發生的時間較長。由平均值V(即各站平均提前量)可知，各站的時間提前量在1.7～4.4 h之間，其中大方站時間提前量最小，金沙站的時間提前量最大，七星關站與威寧站的時間提前量相同。

表4 畢節各國家站PWV峰值相對降水開始時間提前量(單位：h)

4 暴雨天氣過程PWV與強降水關系個例分析

畢節市暴雨天氣過程出現在4—10月，主要集中發生于6—8月。以織金縣2020年7月6—8日1次暴雨天氣過程(圖1)為例，對PWV暴雨閾值指標和時間提前量進行探討。本次過程降水為89.3 mm，最大小時雨強為42.6 mm·h，PWV在降水開始前24 h內略微有下降趨勢，7日10時 PWV為52.5 mm，之后開始緩慢增長，在接近降水發生時，存在2次較為明顯的躍增現象。由表3可知，織金縣7月暴雨天氣的閾值指標PWV為56.1 mm，在上升過程中，PWV在7日19時達58.2 mm，此時PWV已大于7月的大氣可降水量閾值指標，隨后繼續增長，于7日21時增至峰值61.2 mm，平均增幅1.5 mm·h，同時降水開始，PWV峰值與降水同時出現，時間提前量為0，PWV急速驟降，于7日23時降至最低值48.5 mm，平均降幅2.4 mm·h，與此同時，降水強度達最大值42.6 mm·h，之后PWV略有回升后緩慢減小，降水強度也逐漸減小。

圖1 織金縣2020年7月6—8日PWV與降水量時間變化

從以上織金單站的個例分析來看，本文所探究的PWV在強降水發生前12 h的閾值指標對畢節市的暴雨預報具有重要的指示意義。

5 CSI評分與預報檢驗

定義PWV從曲線谷底上升并超過閾值指標后到達峰值，然后下降并低于該閾值的時間為PWV變化的1次過程，在這過程中發生的所有降水作為1次降水過程。PWV從谷底上升并超過閾值開始預報將有暴雨發生。若實況有累積降水量大于50 mm以上的降水發生，視為預報正確；若沒有發生暴雨，視為空報；若在PWV低于閾值指標的時段內發生1次暴雨天氣則視為漏報。

定義試報結果的評分標準為任務成功指數(critical success index)、準確率和空報率：

(8)

(9)

(10)

其中，是達閾值指標且發生強降水的次數，是未達到閾值指標且未發生強降水的次數(描述PWV波動頻次，即谷底到最高值間相差3 mm以上作為1次波動)，是未達到閾值但強降水發生的次數，稱為漏報次數，是達到閾值但強降水未發生的次數，即空報次數。

選取畢節2020年4—10月降水資料及地面露點資料，利用PWV閾值指標和時間提前量對其逐日預報進行CSI評分檢驗。

從表中CSI的評分結果來看，畢節各站在2020年出現暴雨的月份CSI值較高，閾值預報的結果較好，CSI評分在0.25～1之間，預報效果最好的是金沙、赫章9月的暴雨閾值指標。根據準確率的結果分析可知，各站整體準確率高，均在90%以上，黔西9月的預報準確率最低，也有92.3%。根據空報率來看，均低于10%，其中金沙5月的空報率最高，為8.11%，暴雨閾值指標預報效果優良。

根據畢節全市總體情況分析來看，為0.22，為96.32%，為3.65%，CSI評分較高，準確率高，空報率小，本文建立的暴雨閾值指標可用性高，對畢節市的暴雨天氣預報有較好的指示作用。

6 結論與討論

本文基于畢節市8個國家站海拔高度、暴雨天氣與地面露點等氣象資料，建立各站大氣可降水量數據模型，對其特征進行分析和應用研究。結果顯示：

①畢節PWV及時間提前量隨海拔高度的變化而變化，海拔最低的金沙PWV均值最大，海拔最高的威寧PWV均值最小。

②畢節市大氣可降水量月變化特征均表現為先增加后減少的單峰型特征，其主要降水過程與PWV峰值對應，短時強降水出現前后每一次水汽的激增均對應一次降水過程和最大降水強度的出現，表明了足夠的水汽含量是造成降水的必要條件。

③PWV峰值出現的時間比最大雨強出現時間早1～3 h左右；最大雨強出現前6 h，PWV平均增幅在1 mm以上，PWV增幅大小決定了降水過程中雨強的強弱，這對短時強降水開始時間有較好的預報指導意義，而PWV增幅的大小對短時強降水的量級預報有較好的指示作用，PWV增幅與雨強之間存在一定的正相關。

④對PWV閾值及時間提前量進行CSI評分檢驗，結果表明，強降水預報準確率高，空報率低。

⑤當大氣可降水量過小時，降水很難發生；大氣可降水量代表某一地區單位面積上空整層大氣的水汽全部凝結并降至地面的降水量，但不能作為1次降水天氣的降水量上限，因為大氣可降水量并不能一次性全部轉化為降水量，這涉及到大氣可降水量的轉化率問題。

⑥根據表5來看，任務成功指數并不太理想，且空報次數較多。這是由于大氣可降水量僅作為強降水發生的充分不必要條件，影響強降水發生的條件除了水汽之外還有很多別的因素，如能量、抬升條件等，PWV僅能表述強降水發生的某一方面，并不能囊括所有發生強降水的可能，單一討論PWV在強降水預報的準確率存在一定的局限性，此后還需要更詳細的研究探索。

表5 PWV閾值預報2020年畢節市強降水過程的評分結果