随着对对流层内大气过程认识和理解的深入，对流层上层—平流层下层(Upper Troposphere-Lower Stratosphere，以下简称UT/LS)区域逐渐引起了很多学者的兴趣。美国NCAR自2005年至今专门组织了大批科学家针对这个区域开展了一系列大型科学实验和分析。对流层顶折叠(断裂)是中纬度UT/LS区域内的一种特殊现象。这种现象最早是由Reed(1955)在利用探空资料研究极锋急流时发现的。到目前，人们已经发现它对区域天气、气候(王旻燕和吕达仁，2007)以及大气环境(王庚辰等，2006)都具有不可忽视的作用。对区域天气来说，对流层顶折叠之所以引起大家广泛关注的一个重要原因就是它反映了高空锋生。根据锋生动力学特点，锋生导致水平位温梯度加大，从而导致原来的地转平衡和热成风平衡关系被破坏。而为了维持热成风平衡，风的垂直切变必须相应增大。风的垂直切变加大可以影响对流云的传播和内部组织，并为对流系统的发展提供动能(寿绍文等，2003)。从大气稳定度的角度来看，Carr and Millard(1985)曾研究发现在对流层顶折叠区内的空气湿球位温较低，当这种未饱和空气叠加在低层高湿球位温的空气上，就会导致大气层结不稳定。一旦这种层结不稳定能量通过大尺度抬升得以释放，在适宜的水汽和动力条件下，强对流就会随之爆发。从上述意义上说，对流层顶折叠对暴雨和强对流的产生、发展以及维持是一个重要的监测指标。

就其含义，对流层顶折叠是指平流层空气被挤入对流层中层(有时可达700～800 hPa)的过程(寿绍文等，2003)。由于折叠区内的空气具有低湿度、高位涡(以下简称PV)和臭氧浓度高的特性，因此对流层顶折叠又常被称为“干侵入”、“位涡异常”或“平流层—对流层物质交换”。目前存在的对流层顶折叠识别方法基本可分为五类：常规资料分析法、数值模拟法、物理量诊断分析法、水汽通道亮温分析法以及卫星资料和数值预报相结合的模式识别法。

在常规资料分析法中，过去较多利用飞机、雷达和探空资料(Shapiro，1978)。但是由于受资料时空分辨率的限制，无法完整获知对流层顶折叠时空演变特征，目前这种方法直接用于对流层顶折叠识别已经使用得较少，大多用于结果验证和检验(Nastrom et al.,1989；Reid and Vaughan，2004； Bertin et al.,2001)。随着数值模拟技术的发展，在常规资料分析法的基础上，逐渐衍生发展出数值模拟分析法(Lamarque and Hess，1994)。这种方法相比常规资料分析法在时空分辨率上有了很大的提高，但从应用情况看，模拟得到的对流层顶折叠与水汽图像结构之间的对应关系有时会突然消失(Appenzeller and Davies，1992；Bithell et al.,1999)，即它与卫星图像上的特征对应关系较差。物理量诊断分析法是近几年中国学者使用较多的一 种分析法，例如，姚秀萍等(2009)、王东海和杨 帅(2009)先后提出了一些不同的干侵入强度指数。这种方法的优点是物理含义明确，但是它对数值预报资料仍然有较强的依赖性，因此与卫星资料特征的对应关系不明确。

光学遥感气象卫星在空间中总是以自上而下的方式俯视地球大气系统，首先看到的是高层大气中的云、水汽和气溶胶等的分布情况。因此卫星资料在对高层大气的监测上具有得天独厚的优势。众所周知，卫星水汽(WV)通道测量的红外辐射值通常对对流层中高层的温度和水汽含量特别敏感。例如，目前在轨的FY-2E静止气象卫星的水汽通道(中心波长为6.7 μm)的权重函数峰值在400 hPa上下(Roger and Holmes，1991)。而对流层顶折叠内的空气是由来自平流层低层或对流层高层下沉的湿度较小的空气构成，因此，对流层顶折叠在水汽图像上常与暗区相对应。水汽通道亮温法就是基于这个特点产生的。相比较常规资料分析法，水汽通道亮温分析法更易于操作，且避免了时空不连续等问题。但是仅根据这个条件识别对流层顶折叠，显然可能存在大量的误判和漏判现象。例如，水汽图像上位于北回归线附近的撒哈拉沙漠、印度沙漠以及阿拉伯沙漠地区常年都对应暗区，这是由于这些区域的大气柱内总水汽含量非常低，而这与对流层顶折叠没有直接关系。相反，有些纬度较高的地方，由于低层大气温度相对于低纬度地区要低，在水汽图像上对流层顶低的区域与周围环境在辐射率上差别不大，暗区不明显，而这些地区有可能发生较强的对流层顶折叠，其深度和强度甚至可能高于一些在水汽图像上表现出明显暗区的地方。另外，季节因素也会对水汽图像上的暗区的明暗程度造成影响(Roger and Holmes，1991)。由此看来，单凭水汽图像亮温来识别对流层顶折叠也是不准确的，这就需要探索一条新的途径。

卫星资料和数值预报相结合的模式识别法的 核心思想是基于对流层顶折叠在水汽图像上的特征，应用图像处理和模式识别的方法，同时综合其他动力学、热力学条件识别对流层顶折叠。这种方法起步较晚，距今不足10年，开创性的工作始于欧美国家，具体的代表人物是美国威斯康星大学的Anthony J. Wimmers和法国气象局的Yann Michel。其中Wimmers的工作主要是针对美国GOES静止气象卫星数据和数值天气预报资料的特点，开发和建立了一套适用于识别引起晴空湍流的对流层顶折叠算法(Wimmers et al.,2003；Wimmers and Moody，2004a，2004b)。Michel的工作则是基于欧洲MSG静止气象卫星资料和数值模拟数据，开发了针对引起气旋生的对流层顶折叠检测算法(Michel and Bouttier，2006；Michel，2010)。前者主要围绕对流层顶折叠与水汽的关系，后者则围绕其与位涡的关系建立。总体而言，这两种算法的思路基本都考虑了对流层顶折叠的动力学和热力学特点，均有可取之处。但仔细分析这些方法后发现，为了简化问题，他们大多假设对流层顶折叠区内及其周边地 区的空气为完全干燥的状态，并使用干大气条件下的物理参数用于对流层顶折叠判识。而实际大气 中，暴雨强对流天气所处的环境场往往是干湿混合的非均匀饱和状态，因此应用干大气条件下的物理参数用于监测与暴雨强对流有关的对流层顶折叠显然不够准确。

为此，本文在借鉴已有的卫星资料和数值预报相结合的模式识别法基础上，综合考虑与暴雨强对流有关的动力学和热力学参数，以我国FY-2E(Feng Yun-2E geostationary satellite)静止气象卫星资料和NCEP/GFS数值预报资料为数据源，建立一套适用于与暴雨强对流有关的对流层顶折叠动态监测方法。为拓展基于我国自主气象卫星数据的强天气预报预警业务提供方法和思路。 2 对流层顶折叠算法的建立

本文中对流层顶折叠检测算法主要是参考了FY-2E静止气象卫星水汽通道特性设计的，该通道经过定标方案的修订，从2012年1月开始，业务定标精度稳定在0.2 K(Hu et al.,2013)，定位精度达到1个红外像元(Lu et al.,2008)，上述指标均达到国际同类卫星要求。就算法流程而言，整个算法的核心由4部分组成：对流层上部平均比湿反演、干湿区分割、折叠区识别以及优化调整。下面对这4个部分的设计思路进行具体介绍。 2.1 对流层上部平均比湿反演

正如前言中分析，亮温和水汽之间并非线性关系(Roger and Holmes，1991)，因此直接使用亮温分割干湿区是不可靠的。为此，算法首先需要将水汽通道亮温转换为湿度。

式(1)是Soden and Bretherton(1996)提出的水汽通道亮温和高层大气相对湿度的近似关系。

因此，利用Clausius-Clapeyron方程，式(1)中的相对湿度可用比湿改写为：

图 1

Fig. 1

图 1((a)FY-2E水汽图像；(b)对应的高层大气平均比湿反演结果 Fig. 1 (a)FY-2E water vapor(WV)channel image at 0000 UTC July 21，2012;(b)the corresponding retrieval specific humidity in upper troposphere(g kg1)

大量观测表明，自由大气中水汽主要集中在对流层，并随高度递减。当气块上升到UT/LS区域内时，水汽含量通常会下降4～5个量级，因此水汽可以近似地看作对流层的示踪物。相反，臭氧(O₃)主要分布在平流层，由光化学反应产生，具有较 好的稳定性，因此被广泛用作平流层示踪物。此 外，位涡一般呈现由低纬向高纬和由低层向高层 递增的分布规律。统计结果显示，由于静力稳定度不同，平流层位涡大约比对流层位涡大一个数量级。从位涡的物理特性看，不考虑非绝热加热和摩擦效应时，位涡具有守恒性，因此高位涡是平流层空气另一个重要特征。在以往的研究中已经证实水汽和上述两者具有明显的相关性，因此利用水汽和位涡、臭氧的相关关系可以确认大气特征。

如前所述，由于暴雨强对流天气产生前后，大气是处于一种干湿混合的非均匀饱和状态，即便是在对流层顶折叠区内，空气也未必完全干燥(Gao and Zhou，2008)。在这种条件下，干大气条件下的位涡，即Ertel位涡的守恒性就不再成立，而应用湿位涡则可能过多地考虑了水汽的作用。因此在分析水汽和位涡关系时，无论应用完全干大气或是饱和湿大气位涡都存在局限性。为此，参考Gao et al.(2004)提出的广义湿位涡定义，对高层大气水汽与位涡的相关关系进行分析。相对于Ertel位涡方程，广义湿位涡主要是对涡度方程中湿度大、有凝结现象但大部分地区未达到饱和的区域的位温进行了修订，从而构造出一个广义位温(公式5)。其 中， θ _*为广义位温,θ 为位温，L和c_p分别为单位质量的凝结潜热和湿空气的定压比热容，q和q_s分别为比湿和饱和比湿，(q/q_s)^k为凝结几率函数。从含义上说，当凝结几率函数为1，即q=q_s，广义位温即为饱和湿大气条件下的相当位温；而当完全干大气条件下，凝结几率函数近似为0，广义位温退化为位温，从而有效的表征干大气条件下的位 温；而介于二者之间的位温可以用于表征未饱和湿空气位温。由此看来，广义位温相对传统位温能更真实地描述实际大气状态。将广义位温引入绝对涡度方程，得到的非均匀饱和大气广义湿位涡也因此更适用于真实大气。具体公式为

图 2是根据随机选取的代表四个不同季节时间的ECMWF Interim全球再分析资料(资料时间分 别为：2008年2月1日、2008年4月12日、2008年6月23日、2008年11月1日)约380万个样本点统计得到的400 hPa以上至平流层区域内广义湿位涡和O₃分别与水汽的关系。为了获知不同高度气团分布特征，在统计时，根据热力和动力对流层顶高度，将参与统计的样本点划分为对流层高层(400～200 hPa)、对流层高层—平流层低层混合区以及平流层中上部。具体判据如下：

图 2

Fig. 2

图 2对流层高层(400 hPa以上)至平流层(a、b)广义湿位涡和水汽分布以及(c、d)臭氧和水汽分布：(a、c)不同高度气团分布；(b、d)对样本点在空间中出现概率进行统计。在(a)和(c)中，红色点代表平流层空气，蓝色点代表对流层高层空气，黑色点代表对流层高层—平流层低层混合区空气，黄色粗实线为出现概率大于1%样本点的拟合曲线；在(b)和(d)中，蓝色点代表出现概率＜1%的样本点，黄色、橙色以及红色点分别代表出现概率介于1%～10%、10%～50%以及＞50%的点 Fig. 2 Distribution the isentropic general moist potential vorticity and moisture from upper troposphere(over 400 hPa)to stratosphere for different(a)height and (b)occurrence probability;(c，d)same as(a，b)but for the ozone and moisture. concentration The red，blue，and black points in(a) and (c)indicate air mass come from stratosphere，upper troposphere，and mixing area between upper troposphere and lower stratosphere，the yellow curves are the fitting curves; the blue，yellow，orange，and red points in(b) and (d)represent air masses occurrence probability lower than 1% and between 1%-10%，10%-50%，and over 50%

由图 2a和c可见，正位涡及臭氧与水汽混合比的分布规律对时间依赖性不强，均呈典型的“L”型分布，即表明不同季节正位涡和臭氧与湿度都具有显著的负相关关系。就位涡而言，位涡大于2 PVU(1 PVU=10^-6 K m² kg^-1 s^-1)以及臭氧混合比大于 200×10^-9 的空气主要集中在平流层，上述特征可以用于区分平流层和对流层空气。进一步，为了得到位涡与水汽以及臭氧与水汽的典型分布关系，我 们对上述样本点在空间中出现概率进行统计，结果如图 2b、d所示。其中，蓝色点表示出现概率＜1%的样本点，黄色点表示出现概率介于1%～10%之间的样本点，橙色和红色点则分别代表出现概率介于10%～50%以及大于50%的点。为此，对出现概率大于1%的点的分布进行拟合分析，拟合曲线如图 2a和c中黄色粗实线所示。由拟合方程可见，对流层高层至平流层的正位涡与水汽呈指数函数分布关系，而臭氧则与水汽呈对数函数分布关系[拟合函数如式(8)、(9)所示，拟合函数置信度分别为0.943681和0.887937]。

通过上述关系，可将大气高层正位涡和臭氧用比湿表示，一方面减少了算法中的变量，另一方 面，由于将位涡和臭氧这两个根据数值预报资料计算得到的物理量与高层大气水汽联系起来，可以很大程度上避免可能出现的时空不连续以及与卫星资料对应关系不紧密等问题。根据公式(8)和(9)，则2 PVU对应的比湿约为0.132 g kg^-1，而200×10^-9臭氧浓度对应的比湿约为0.0808 g kg^-1。取二者交集，则代表平流层空气的比湿阈值为0.0808 g kg^-1。至此，利用该阈值根据反演的高层大气平均比湿，就可以初步将具有对流层顶折叠潜势的区域提取出来。 2.3 折叠区识别

在2.2节中我们已经获得了对流层顶折叠的潜势区，即可能发生对流层顶折叠的地区。为了使得上述识别更加准确，我们还需要增加新的判识条件。表 1所列的是目前与对流层顶折叠判识有关的一些判断因子，其中臭氧、水汽以及位涡都在前一节中使用。在本节中我们着重讨论气候对流层顶高度在对流层顶折叠判识中的辅助作用。

表 1(Table 1)

表 1 对流层顶折叠判识条件 Table 1 Adjustments to modify and filter tropopause folding objects

表 1 对流层顶折叠判识条件 Table 1 Adjustments to modify and filter tropopause folding objects

这里所指的对流层顶高度是指动力对流层顶高度。目前较多使用2 PVU来代表动力对流层顶，它所在的高度即动力对流层顶高度。利用气候动力对流层顶高度进行判识的思想是受Bak et al.(2013)工作启发得到的，他们的工作主要是通过引入气候的臭氧廓线来改善UT/LS区域内臭氧廓线的反演。本文中利用气候动力对流层顶高度进行对流层顶折叠判识的具体思路是，假设当前时刻的动力对流层顶高度低于同期气候平均对流层顶高度时，认为可能出现对流层顶折叠现象。举例来说，图 3a为根据2003～2012年10年ECMWF Interim再分析资料计算得到的7月平均动力对流层顶高度。图 3b为 2012年7月20日00:00(协调世界时，简称UTC)时动力对流层顶高度。对比上述两张图可见，两张图中的动力对流层顶高度在中高纬度有较大的差别。如果结合与图 3b同时刻的卫星图像(图略)可以发现，与图 3a分布正偏差较大的地区与卫星水汽通道上的暗区有较好的对应。为了验证这些地区可能与对流层顶折叠存在联系，我们沿图 3b中粗实线作等熵面上广义湿位涡剖面图，结果如图 3c所示。由图可见，在60°N附近当前时刻的动力对流层顶明显低于气候平均对流层顶，这里对应了正位涡异常，该正位涡柱从高层200 hPa向下伸展至400 hPa。正位涡异常正是对流层顶折叠的一个重要特征。图 4a为利用ECMWF资料根据上述对流层顶折叠判识条件得到的对流层顶折叠分布图，从分布特征看，判识结果较为合理。

图 3

Fig. 3

图 3(a)气候平均7月份对流层顶高度分布（基于2003～2012年资料统计）（单位：hPa）；(b) 2012年7月20日00:00（协调世界时，简称UTC） 对流层顶高度分布（图中粗实线为图c的垂直剖面方向）（单位：hPa）；（c）沿图（b）中粗实线方向得到的等熵面广义湿位涡剖面图（图中蓝色粗 实线为气候平均对流层顶，黑色粗实线标注为7月20日00:00（UTC）沿剖面方向对流层顶；“＋”表示存在正位涡异常，“－”表示存在负位涡异常） Fig. 3 (a) Horizontal distribution of the climatological dynamic tropopause in July based on 10-year (2003–2012) ECMWF Interimdata (unit: hPa); (b) horizontal distribution of the dynamic tropopause (unit: hPa) at 0000 UTC July 20, 2012, the thick solid line denotes the cross-section direction in (c); (c) vertical cross section of the isentropic general moist potential vorticity (1 PVU=10 −6 m 2 K s −1 kg −1 , shaded) with climatological dynamic tropopause (blue thick solid line) and the dynamic tropopause at current time (black solid line) (white solid lines represent isobaric surface, “－“ and “＋” represent negative and positive potential vorticity abnormal respectively)

图 4

Fig. 4

图 4（a）根据ECMWF Interim再分析资料估算得到的2012年7月20日00:00（UTC）时对流层顶折叠潜势区：（b）2012年7月20日00:00（UTC） 时350 K等熵面上的高空急流（填色区，单位: m s −1）叠加提取的高空急流轴（红色实线） Fig. 4 (a) Potential tropopause foldings at 0000 UTC July 20, 2012 estimated based on ECMWF Interim reanlysis data; (b) Upper level jets over 350 K isentropic surface (shadings, unit: m s −1 ) at 0000 UTC July 20, 2012 with their corresponding axises (red solid lines)

算法第四步是对估算结果进行进一步优化调整。考虑到对流层顶折叠常常与高空急流相伴，因此，我们对它与高空急流的位置关系也进行了统计分析。在形态上，高空急流通常沿最大风速轴对称，因此可用急流轴来描述高空急流的结构(Michel and Bouttier，2006)。形态学图像处理中的OPTA骨架提取算法能够较好的保留对象的拓扑结构特征(Wu et al.,2009)，为此本文在进行统计分析之前，首先利用OPTA骨架提取算法(具体算法参见附录A)提取得到高空急流轴。图 4b给出的是2012年7月20日00:00(UTC)时350 K等熵面上高空急流及其急流轴，由图可见，提取的急流轴很好的代表了高空急流的分布特征。

在这个结果的基础上，我们以100 km为间 隔，分别统计340 K、345 K、350 K以及355 K等熵面上，对流层顶折叠区在距高空急流轴0～1000 km范围内出现概率(图 5)。结果发现，在四个等熵面上，对流层顶折叠出现在距高空急流轴0～1000 km范围内的平均概率约为0.15，而在距急 流0～300 km范围内对流层顶折叠发生概率都普 遍高于平均值。这表明对流层顶折叠与高空急流相伴，并存在特定的位置距离关系，即对流层顶折叠普遍出现在距离高空急流轴约300 km的范围 内。利用这个条件，我们可以对前面的判识结果作进一步修正，达到优化调整的目的。最后算法在此基础上进行对流层顶折叠深度指定。这里需要说明的是，本文中对流层顶折叠深度以动力对流层顶高度表示。

图 5

Fig. 5

图 5 对流层顶折叠与340～355 K等熵面上高空急流轴距离分布统计图：(a)340 K；(b)345 K；(c)350 K；(d)355 K。横坐标为距离，单位：km；纵坐标分布概率 Fig. 5 Frequency distribution of distances between tropopause foldings and jet axes at 340-355 K isentropic surfaces with 5 K interval:(a)340 K;(b)345 K;(c)350 K;(d)355 K. Horizontal and vertical coordinate denote distance and frequency distribution respectively

目前，我们利用一些其他的观测和反演资料对算法性能进行了一些间接验证，验证选用的资料包括FY-3A/TOU(the Total Ozone Unit board on FengYun 3A satellite)的臭氧总量、FY-3B/SUBS(the Solar Backscatter Ultraviolet Sounder board on FengYun 3B satellite)的臭氧垂直廓线以及ECMWF Interim(0.75°×0.75°)再分析资料。选取上述资料进行验证，一方面是这些要素与对流层顶折叠关系密切。另一方面是这些资料具有较好的时空连续性和较高的精度。例如，FY-3A/TOU的臭氧总量与 地基观测资料间的均方根误差约为4%(王维和等，2010；Wang et al.,2011; Zhang et al.,2013)，FY3B/SBU S相对偏差百分率大约在±6%(黄富祥等，2013)，这些数据的精度能满足本文中算法检 验的需求。

图 6是利用FY-3A极轨气象卫星资料反演的臭氧总量特征验证对流层顶折叠的例子。由图可 见，对流层顶折叠检测结果与臭氧总量≥300 DU的高值区对应较好，特别是内蒙古中部臭氧高值中心与对流层顶折叠深度最大的地区基本重合。

图 6

Fig. 6

图 62012年7月21日01:00(UTC)对流层顶折叠深度检测(填色区，单位：hPa)叠加FY-3A-TOU(00:44～02:26，UTC)臭氧总量(≥300 DU) Fig. 6 Tropopause folding detection result(hPa)at 0100 UTC July 21，2012 with the horizontal distribution of total ozone(≥300 DU)during 0044-0226 UTC retrieved by the Total Ozone Unit board on FengYun 3A satellite(FY-3A-TOU)

除此以外，本文还利用FY-3B臭氧垂直廓线仪反演的臭氧垂直分布对对流层顶折叠及其深度进行了验证。图 7a是2012年7月21日05:00(UTC)对流层顶折叠检测结果叠加臭氧垂直探测仪的观测路径，图 7b给出的是图中红圈内5个点的臭氧垂直廓线图。可以看到，在经过对流层顶折叠区的观测点及其南北两侧紧邻的两个观测点[(46°N，109°E)，(49°N，108°E)，(43°N，110°E)] 的臭氧垂直分布在对流层中高层均表现出了一个异常增高的现象，该现象表明对流层顶折叠可能导致此处平流层臭氧向对流层侵入。但是，从折叠深度上看，两者还存在一定的差距。特别是经过对流层顶折叠中心附近的观测点(46°N，109°E)上的臭氧廓线显示，在200 hPa附近出现了对流层顶折叠(如图 7b中红色圈所示)，而算法估算该点的折叠区下伸至300～350 hPa附近。造成二者之间的差别除了与对流层顶折叠深度估算方法有关以外，还可能与卫星反演的臭氧垂直廓线的垂直分辨率有关。对本文所使用的FY-3B的臭氧廓线而言，它在垂直方向共21层，对流层200 hPa以下约5层。较低的垂直分辨率很难给出臭氧异常出现的确切高度。

图 7

Fig. 7

图 7(a)2012年7月21日05:00(UTC)对流层顶折叠深度检测(单位：hPa)叠加04:56(UTC)FY-3B臭氧垂直探测仪(SBUS)扫描轨迹；(b)对应(a)中红色圈内FY-3B臭氧垂直探测仪5个探测点的臭氧垂直廓线反演结果(单位：DU)；(c)2012年7月21日06:00(UTC)对流层顶折叠深度检测(单位：hPa)叠加06:00(UTC)200 hPa正位涡(≥2 PVU)；(d)对应(a)的三维透视图(图中蓝色渲染部分代表 2 PVU以上正位涡区的空间分布，垂直范围为50～1000 hPa) Fig. 7 (a)Tropopause folding depth(hPa)at 0500 UTC July 21，2012 with the scanning trace of FY-3B Solar Backscatter Ultraviolet Sounder at 0456 UTC July 21，2012(red points);(b)the ozone profiles(unit: DU)of the 5 points circled by the red curves in Fig. 7a;(c)tropopause foldings at 0600 UTC July 21 2012，with positive potential vorticity at 200 hPa(≥2 PVU);(d)3-dimensional perspective view of potential vorticity with tropopause foldings at 0600 UTC July 21 2012(the blue rendering parts represent the positive vorticity larger than 2 PVU and its vertical range is from 50-1000 hPa)

图 7c、d是检测的对流层顶折叠与位涡叠加及其对应的三维图。可以看到在二维图像上，对流层顶折叠区处于2 PVU以上的高位涡区内，位涡高中心与对流层顶折叠深度最大的地区对应较好。从三维透视图上看，在对流层顶折叠的地方对应一个从高层向对流层中低层倾斜伸展的正位涡柱。这些特征都是对流层顶折叠的重要表现。 4 中纬度灾害性天气应用分析

在算法精度检验的基础上，本节将针对我国中纬度灾害性天气，通过实例应用分析来进一步检验算法的合理性及其在暴雨强对流天气预报和分析中的适用度，以期为我国中纬度灾害性天气预报分析提供参考。为此，本文选取了我国近两年发生的两次典型的灾害性天气过程，分别是2012年7月21日北京特大暴雨天气过程以及2013年5月14～17日广东大暴雨两次强天气过程。 4.1 个例I：2012年7月21日北京特大暴雨天气过程

2012年7月21日京津冀地区遭遇强降雨，其中北京地区遭遇61年以来最大降水。此次降水造成城市内涝，部分山区泥石流等灾害，给人民生活和财产带来巨大损失。由北京地区21日08:00至22日08:00(北京时，下同)24小时降水量分布图看(图略)，此次降水主要集中在城东，最大中心位于南部房山和石景山区。降水实况资料显示，从7月21日08:00开始至22日00:00，在11:00、14:00、17:00和20:00前后，平均间隔3小时左右共出现了4个明显的降水峰值，且这四个降水阶段呈随时间逐渐增强的趋势。以上观测事实表明，此次降水过程与中尺度系统存在密切关系。

从大环境看(图略)，此次暴雨是在一个大尺度锋面气旋背景下产生的一次强降水过程。降水初期由于冷空气还没有大规模扩散南下，北京及其周边地区的降水主要是以暖区降水为主。随着高层干冷空气的侵入，以及韦森特和卡努台风从南路和东路对该地区水汽补给，冷暖空气结合造成锋面气旋靠近赤道一侧出现了大量呈线性排列的中尺度对流云团。

我们对这次过程的对流层顶的演变进行了分析。从对流层顶折叠特征和物理意义可知，对流层顶折叠过程通常伴随冷平流效应(姚秀萍等，2009)。因此为了更清楚地认识对流层顶折叠对本次降水过程的影响，分析中还综合考虑了温度平流效应。结果发现，暴雨产生前12小时，暴雨区以西就出现了对流层顶折叠，但此时其中心偏北，与叠加的中层的冷平流中心分离，暴雨区以西的气流以偏西风为主(图 8a)。下午14:00左右，对流层顶折叠深度最大处开始向南向东移动，与中层的冷平流中心接近，暴雨区西侧气流的偏北分量开始逐渐加大，降水也随之增强(图 8b)。21日20:00，即降水最大时，暴雨区西侧基本由西北气流控制，此处对流层顶最低处的高度约为450 hPa，相比于12小时以前，对流层顶下降了约5 km。同时注意到，暴雨区西侧的对流层顶折叠深度最大处与320 K等熵面上的冷平流中心基本重合，这表明平流层低层至对流层高层的干冷空气此时已下沉至对流层中层附近。下沉的高层干冷空气在西北气流的引导下持续向东平流，叠加在东侧由低层上升的西南暖湿气流之上，由这 两股气流形成的温湿差动平流使降水区附近大气的层结不稳定能量积聚，有利于强降水的发生(图 8c)。至22日02:00，由图 8d可见，此时暴雨区 以西的对流层顶折叠区出现了分裂，偏南的对流层顶折叠区的中心与中层冷平流中心位置仍然有较 好的一致性，并继续向东北方向移动，伴随整个强降水中心东移北抬。由此可见，对流层顶折叠引起的高层干冷空气向中低层下沉侵入与此次过程由 暖区稳定性降水向对流不稳定强降水转换具有密切关系。

图 8

Fig. 8

图 8 对流层顶折叠检测结果(彩色填色)叠加FY-2E WV云图、320 K等熵面上冷平流(蓝色实线)及风场(白色箭头)以及实况观测小时雨量(小时雨量大于5 mm，红色数字)：(a)2012年7月21日08:00；(b)2012年7月21日14:00；(c)2012年7月21日20:00；(d)2012年7月22日02:00 Fig. 8 Tropopause folding(color shading)composited by FY-2E WV channel image，cold advection(blue solid line) and wind(white vector)at 320 K isentropic surface and hourly rainfall(over 5 mm，in red digit)at(a)0800 BJT(Beijing time)21 July，(b)1400 BJT 21 July，(c)2000 BJT 21 July，and (d)0200 BJT 22 July in 2012

2013年5月14～17日降水过程中广东省大部出现了大雨到暴雨，部分地区出现了大暴雨到特 大暴雨，局地伴有8级以上雷雨大风等强对流天气，全省平均雨量53 mm。北江支流潖江出现100年一遇洪水，滃江出现超20年一遇洪水。图 9给出的是广东省5月14～17日累积降水以及受灾较为严重的佛冈县、韶关曲江区以及高要市单站小时降 水量随时间演变图。由图可见，在这次降水过程 中，广东省累积降水最大近300 mm，单站瞬时降水最大接近100 mm(图 9a)。从时间分布来看，受灾最严重的三地的最大降水均基本出现在15日夜间至16日上午，其中佛冈县最大瞬时降水出现在5月15日22:00前后，即此次强降水具有夜间加强的特点(图 9b)。

图 9

Fig. 9

图 9 (a)2013年5月14日08:00～17日08:00广东累计降水分布图(单位：mm)；(b)2013年5月14日12:00至17日12:00广东省佛岗县、高要市、韶关市曲江区三地1小时降水变化图(红色代表佛冈县，蓝色空心柱代表韶关市曲江区，黄色空心柱代表高要市) Fig. 9 (a)Accumulated rainfall over Guangdong Province during May 14-17，2013;(b)time series of hourly rainfall at Fogang，Gaoyao and Qujiang in Guangdong from 1200 BJT May 14 to 1200 BJT May 17，2013(the red solid bars，blue hollow bars，and yellow hollow bars st and for rainfall at Gaoyao，Qujiang，and Gaoyao respectively)

对5月14～17日华南降水发生期间的大尺度环境场进行分析，结果显示(图略)，此次过程与南支槽上的短波槽活动关系密切。暴雨区处于北侧高空急流入口区右侧，强降水产生前，105°E附近有一低压系统，其东侧发展出一条切变线。从时间演变图上看，该切变线上115°E以东的部分呈快速北抬的趋势，而以西的部分则呈缓慢南压的特征。结合地面天气图分析(图略)除了有利的高低空条件以外，利用FY-2E的水汽(WV)通道亮温反演的对流层上部干侵入结果显示，此次暴雨过程对流层中上部出现了明显的对流层顶折叠过程。图 10为2013年5月15日08:00至16日02:00的对流层顶折叠演变图，由图可见，15日08:00在暴雨区西北方向 上贵州和四川省上空出现了对流层顶折叠。开始出现时折叠区的下边界位于150～200 hPa范围内，折叠最低处靠西，位于四川省境内。虽然低层310 K等熵面上盛行的西南风将水汽输送到暴雨区，但是由于高层的干冷空气未大范围的向中低层下沉侵入，因此此时降水强度不大(图 10a)。15日14:00，对流层顶折叠依然不太显著，甚至在贵州地区上空的对流层顶折叠强度还略有减弱，但折叠区范围出现了快速东扩的现象，此时折叠区的东界已到达江西省的西界，折叠区主体覆盖了四川南部、贵州北部以及湖南北部地区(图 10b)。15日20:00至16日02:00，折叠区范围相对稳定，但可以看到，在此期间，位于贵州、湖南省上空的对流层顶折叠深度明显加深，折叠区的中心由四川省东移至贵州。这种变化暗示在此期间干冷空气向对流层中低层侵入加强。对应图 9b可见，此时广东各地强降水也相应加强。结合温度和湿度场分布分析(图略)，降水突然增强可能是这部分由中高层下沉的干冷空气与沿310 K等熵面抬升的暖湿空气相遇并被夹卷入暖输送带(WCB)上的暖湿空气中造成的(图 10c、d)。结合对应时刻的低层(850 hPa)涡度场分析(图 10e,f,g,h)，随着对流层顶折叠深度加深，低层气旋性涡度呈逐渐增强的特征。根据Hoskins的位涡理论，对流层 顶折叠加强代表高层正位涡异常加大并向中低 层下传，高层正位涡异常引起低层气旋性涡度增强，诱发低空气旋性环流发展，造成垂直运动加强。由图 10高低层特征的时序演变情况看，代表高层正位涡异常的对流层顶折叠先于对应地区低层正涡度增强，它们加强时间略提前于强降水增强时间，这种特征反映了高低层大气耦合对大气环流的影响。上述分析表明，对流层上部出现的对流层顶折叠可能是造成此次强降水在后半夜加强的一个有利的高层大气条件。

图 10

Fig. 10

图 10 2013年5月15日08:00～16日02:00(6小时间隔)FY2E WV通道图像叠加对流层顶折叠深度检测结果(填色，单位：hPa)、卫星云导风(红色风羽)以及310 K等熵面风场(白色箭头)：(a)15日08:00；(b)15日14:00；(c)15日20:00；(d)16日02:00。图上白色箭头标注WCB表示暖输送带，Dry and cold air表示干冷空气。为对应(a)-(d)时刻的850 hPa相对涡度分布图(＞0，单位：10-5 s-1) Fig. 10 Tropopause foldings(color shaded)composited by FY2E WV channel images，cloud motion(red barb) and wind at 310 K isentropic surface(white vector)during 0800 BJT May 15-0200 BJT May 16(6-hour interval)，2013 at(a)0800 BJT，(b)1400 BJT，(c)2000 BJT on May 15，(d)0200 BJT on May 16;(e)-(h)are the positive relative vorticity at 850 hPa at the same time as(a)-(d). The white big arrow with “WCB” indicates warm convey belt and the small arrow indicates dry and cold air

对流层顶折叠是中纬度地区对流层上层—平流层下层的一个重要的大气现象，它对平流层—对流层物质交换具有重要意义。在很多情况下，对流层顶折叠常常与气旋生、暴雨强对流触发以及降水增幅密切相关，大量研究表明，对流层顶折叠可作为这些天气发生发展的一个重要参考指标。然而这些天气条件下的大气状况异常复杂，目前国际上普遍采用的对流层顶折叠检测方法都是基于干大气条件下建立的，对于暴雨强对流产生前后复杂大气条件下的对流层顶折叠的识别存在很大局限性，因此急需建立一套适用于与暴雨强对流有关的对流层顶折叠识别方法。本文在借鉴已有的卫星资料和数值预报相结合的模式识别法基础上，通过统计分析高层大气水汽与广义湿位涡以及臭氧浓度的关系，以及动力对流层顶高度、高空急流等与对流层顶折叠的关系，建立了一套基于FY-2E遥感数据的适用于与暴雨强对流有关的对流层顶折叠动态监测新方法。

该方法在2012年7月21日北京特大暴雨天气过程以及2013年5月14～17日华南大暴雨天气过程监测和分析中都取得了较好的效果。从分析结果看：(1)两次过程中暴雨区西北侧在强降水发生前12小时都出现了对流层顶折叠现象，随着对流层顶折叠深度加深，中层冷平流加强，低空气旋性涡度加大，从而导致低空垂直运动加强以及降水增幅，即对流层顶折叠现象的发生可能是暴雨强对流产生前的大尺度环境场调整的一种反映；(2)从本文选取的两个个例的天气形势分析中可以看到，这两个天气过程无论在其生命期长短(一个是局地短时暴雨，一个是持续性暴雨)，还是在其发生地区(一个是北方暴雨，另一个是南方暴雨)，亦或是在它们发生的大尺度环境条件和中尺度动力结构方面，都有很多的不同之处。但是这两次暴雨过程也存在明显的共同点，即都与锋面气旋有关。在这类与锋面气旋有关的天气过程中的应用结果说明本文提出的这种对流层顶折叠识别方法是合理可行的，并具有一定的应用价值，它可为中纬度地区暴雨强对流天气，特别是与锋面气旋有关的暴雨强对流天气的监测和预警提供参考指标。

致谢 感谢国家卫星气象中心许健民院士以及两位匿名审稿专家对本文提出的宝贵意见和建议。

本文采用的高空急流轴提取算法为形态图像处理中的OPTA细化算法。该算法的核心是10个模板(如图 11所示，模板中只有0或者1的地方参与运算)，其中前8模板用于细化删除图像中的边 界元素，后2个模板则用于防止边界元素被过度删除。算法的具体思路是通过迭代法，反复删除图像中满足前8个模板之一，但不满足最后2个模板的像素点，直到图像不再发生变化。

图 11

Fig. 11

图 11 OPTA细化算法模板 Fig. 11 OPTA thinning algorithm template