全文HTML
--> --> -->重力波追赶和碰撞是形成暴雨的重要机制之一[9]. 当强对流发展时, 非地转平衡作用会激发重力波; 重力波反过来促进对流组织化发展, 产生暴雨, 并且暴雨区位于中低压和中高压之间, 涡度中心比散度中心落后

以往人们常常采用气压仪探测气压波动来观测重力波[16-18]. 与常规气压仪相比, 微压计探测精度和采样频率更高, 能够更准确地探测到几分钟至几十分钟更短周期的重力波特征[19]. Curry和Murty[20]利用微压计数据统计分析雷暴激发的重力波特征, 指出波动平均周期为10 min. Grachev等[21]统计分析俄罗斯5年期间20次雷暴激发的重力波特征, 指出雷暴发展移动中存在周期为40—300 min的重力波. Kulichkov等[22]分析指出, 在俄罗斯, 夏季冷锋激发的重力波周期约为5—6 min, 波速小于50 m/s. Blanc等[23]利用微压计网统计了非洲地区10年强对流过程的重力波特征, 发现强对流激发的重力波平均速度约37 m/s、周期约96 min.
部分雷暴发生前会有重力波提前出现的现象, 称为重力波先兆活动. Uccellini[10]研究指出, 重力波先兆活动与强对流的生成发展有密切关系. 1993年, 李启泰等[24]利用微压计数据分析降雹天气重力波特征, 发现降雹前数小时间歇出现振幅大于30 Pa的重力波, 其周期范围小于90 min. 2015年, Wu等[25]分析发现, 暴雨发生前约2 h有周期120—240 min的重力波存在, 并起到触发暴雨的作用. 2018年, Yang等[26]模拟一次新疆地形暴雨, 发现波长20—45 km、周期50—120 min、波速10—25 m/s的重力波提前于暴雨出现, 并促进暴雨发生发展.
受观测技术手段限制, 以往重力波研究主要是利用数值模式或者地面气压观测数据来分析重力波, 关注重力波在一段时间内的平均态特征. 本文利用高精度微压计数据分析东北冷涡暴雨中宽周期范围(几分钟到几小时)重力波频谱随时间演变的动态特征, 研究重力波先兆活动和产生机制, 为此类暴雨预测预警提供科学的依据.

Figure1. Microbarograph.
为分析2020年7月29日—30日东北冷涡暴雨过程重力波频谱特征, 本文利用微压计观测数据, 采用小波分析方法[27]计算重力波周期、频率随时间演变的动态特征, 其中, 母波选取Morlet. Morlet小波分析是在傅里叶(Fourier)变换基础上引入窗口函数, 能够反映信号在时域、频域信号的局部特征. 假设有时间序列数据




对离散序列





为了近似连续小波变换, 对于每个尺度s , (2)式要计算N次, 通过卷积定理可知, (2)式可以用离散傅里叶变换(DFT)在傅里叶空间同时进行N次卷积, 得到







傅里叶变换是一种分析信号的方法, 可以将信号由时域转为频域. 定义














本文采用吉林省981个地面加密站数据, 结合3路微压计数据分析暴雨过程的重力波特征; 采用美国国家海洋和大气管理局(National Oceanic And Atmospheric Administration)GDAS同化数据(空间分辨率0.25°×0.25°,时间分辨率3 h)分析天气形势、重力波产生机制; 采用中国气象数据网(http://data.cma.cn/) FY-2G黑体亮温数据(空间分辨率0.1° × 0.1°, 时间分辨率1 h)分析强对流演变过程.

Figure2. Accumulated heavy rainfall (shaded, mm) on 7 BJT 29?5 BJT 30 July 2020, the locations of surface automated mesonet station E7215 (black plus), E9039 (black dots) and microbarograph 1, 2, 3 (black triangle).
动力抬升条件方面, 此次暴雨发生时, 高层天气形势(图3(a)(b))从低纬到高纬呈现了“低-高-低”的3带(西风带、副热带、热带环流系统)分布特征, 即在热带地区有低值区, 表明有台风活动, 副热带高压位置偏北, 588脊线北端位于40°N附近, 脊线呈东-西状. 吉林省位于东北冷涡前部、副热带高压后部, 高层大气以西南暖湿气流为主(图3(a)(b)), 低层850 hPa东北冷涡中心位于内蒙中部地区, 低层850 hPa吉林省也处于暖湿西南气流中, 另外, 高、低层涡中心位置几乎一致, 表明冷涡系统较为深厚. 同时, 地面有西南风与偏东风辐合区(图3(d)), 高低层动力抬升机制明显.

Figure3. (a) 200 hPa wind field (wind stick, m/s), (b) 500 hPa geopotential height field (black lines, gpm), temperature field (red lines, ℃), (c) 850 hPa geopotential height field (black lines, gpm), wind vector, (d) surface specific humidity (contour lines, g/kg), wind vector on 20 BJT 29.
热力、水汽条件方面, 在有利的天气形势下, 当东北冷涡系统内的短波槽东移下滑, 东北冷涡携带的干冷空气与副热带高压后部暖湿气流交汇, 这为暴雨提供了有利的热力条件. 同时, 受副热带高压后部与台风外围水汽输送的共同影响, 地面比湿高达12—14 g/kg(图3(d)). 因此, 高低层大气动力、热力、水汽条件充分, 当有合适的中尺度触发因子, 就会引发暴雨、雷电等强对流天气.
此次暴雨过程伴有中尺度对流系统活动, 在红外卫星云图(图4)上, 7月29日11:00吉林省中部(长春、吉林)存在零散云顶亮温高值区, 中心值达到–38 ℃—48 ℃, 代表有对流云团活动. 7月29日14:00对流云团逐渐发展合并, 并向东南方向伸展, 吉林省中北部地区云顶亮温高值中心达到–50 ℃—60 ℃, 伴有强降雨(小时雨量≥20 mm)产生; 同时白山北部和延边东部有亮温约–26 ℃—30 ℃的新生对流云团. 7月29日17:00强对流云团主体南移到四平、吉林、辽源、通化北部, 云顶亮温中心值高达–50 ℃—60 ℃、白山北部强对流云团发展, 亮温增至–40 ℃. 7月29日20:00零散的强对流云团合并形成中尺度对流系统, 亮温高值区位于四平东部、辽源、通化北部, 中心值高达–60 ℃, 同时白山和延边仍存在对流云团. 至7月30日2:00 (图4(e), (f)), 中尺度对流系统主体移至白山、延边, 云顶亮温中心值约–60 ℃, 进入降水强盛阶段.

Figure4. FY-2G satellite black body temperature on (a) 11 BJT 29, (b) 14 BJT 29, (c) 17 BJT 29, (d) 20 BJT 29, (e) 23 BJT 29, (f) 2 BJT 30 July 2020.
在此暴雨过程中, 随着中尺度对流系统的发展变化, 地面气象要素具有明显的波动特征. 如图5(a)所示, 地面自动站E7215降水出现在29日14:00—21:00; 29日14:00开始有小量降水, 气压整体变化呈现下降趋势, 温度达到峰值后迅速减小, 表明天气系统开始影响本站; 29日17:00—20:00短时强降水出现两个峰值, 同时气压整体呈现明显的升高趋势, 气温先减小后增加(气温低至21 ℃). 在降水前后, 气压和温度都表现出脉动特征. 地面自动站E9039气压、温度和降水变化具有类似特点. 该站降水时段在29日18:00—30日4:00, 在30日1:00—2:00短时强降水达到峰值, 虽然气压整体趋势是增加的, 但在降水前后仍表现出明显的脉动; 在辐射作用下, 夜间气温整体表现为降温, 但在降水期间存在明显的降温增幅, 加剧气温下降. 综上所述, 在降水过程中地面气压和气温的变化具有两个特点: 第一, 气压和温度的日变化特征显著, 气压在15:00—18:00达到最小值, 如果没有降水, 此时气温达到最大值; 如果有降水, 地面降水蒸发冷却作用会引起短时降温; 第二, 在局地降水发生前后, 气压和气温都出现短时脉动, 代表存在某种波动. 本文主要关注这种气压脉动, 因为它对降水有一定的预兆指示意义.

Figure5. The 1 h accumulated rainfall (black solid line, mm), pressure (green solid line, hPa), temperature (blue solid line, ℃) in (a) E7215 (125.31°E, 43.04°N), (b) E9039 (126.27°E, 41.95°N) on 29?30 July 2020.
2
4.1.重力波时域特征
图6—图8分别是3号、1号、2号微压计采集的原始气压、气压日变化和扰动气压. 在信号处理中, 常用到移动平均滤波进行滤波, 这种方法本质上是一种低通滤波, 假设输入数据为x, 输出为y, 窗口宽度为N, 在新的一次计算中, 将上个窗口队列的首数据去掉, 其余

Figure6. Microbarograph 3 (126.61°E, 42.43°N): (a) Original pressure (red line, hPa), pressure daily variation (black line, hPa); (b) pressure disturbance (black line, Pa), hourly rain (green line, mm).

Figure8. Microbarograph 2 (126.8°E, 42.4°N): (a) Original pressure data (red line, hPa), pressure daily variation (black line, hPa); (b) pressure disturbance (black line, Pa), hourly rain (green line, ℃).
对于微压计3号站, 如图6(b)所示, 29日1:00气压扰动开始增强, 振幅从–5 Pa增大到–30 Pa, 此后气压扰动振幅减小, 29日8:00气压扰动再度增大至20 Pa, 11:00该站出现降水, 可以看到气压扰动的增强先于降水出现, 表明这种重力波对降水来说具有明显的先兆活动特征. 另外, 对比图4(a)可以看出, 此时降水是由孤立的对流系统造成的, 因此气压扰动振幅不是很强. 随着对流系统的合并增强, 13:00出现第二次降水峰值, 气压扰动振幅在12:00增强为23 Pa左右, 在13:00—22:00气压波动很剧烈, 扰动振幅进一步增强到40—60 Pa, 22:00出现了降水第三次峰值, 特别地, 在17:00—19:00降水非常弱, 但是, 气压扰动显示出对未来强降水的先兆信号; 30日03:00降水结束, 气压扰动趋于减弱. 因此气压扰动对第二次、第三次峰值降水来说依然保持一定的提前量.
1号微压计和2号微压计观测的扰动气压具有类似的特点. 1号微压计记录的气压扰动对峰值降水依然保持一定的提前量. 例如, 对于1号微压计(图7(b)), 29日11:00降水达到第一次峰值, 但是气压扰动从29日7:00就开始增强, 振幅从5 Pa增长到20 Pa. 14:00出现第二次降水峰值, 气压扰动振幅在11:00—13:00保持在20 Pa左右, 在13:00—15:00进一步增强到–50 Pa. 第三次降水开始于18:00, 气压扰动从16:00开始进一步增强, 在23:00振幅增大达到103 Pa, 此后第三次降水达到峰值. 对于2号微压计(图8(b)), 降雨量峰值出现在29日14:00, 22:00(图8(b)), 同时气压扰动也达到极值, 分别为 –40 Pa和102 Pa; 需要强调的是, 在强降水发生前已经出现明显的气压扰动, 例如, 19:00时的–40 Pa的气压扰动先于21:00降水的出现, 表明对于强降水, 重力波具有先兆活动特征.

Figure7. Microbarograph 1 (126.70°E, 42.41°N): (a) Original pressure (red line, hPa), pressure daily variation (black line, hPa); (b) pressure disturbance (black line, Pa), hourly rain (green line, ℃).
从降雨量主要时段来看, 3号微压计、1号微压计、2号微压计主要时段分别为29日11:00—30日3:00、29日11:00—30日3:00、29日14:00—30日4:00. 同时, 3路微压计出现重力波先兆信号的时间分别为29日8:00、29日7:00、29日10:00, 这也体现了强对流系统自西向东移动的特征.
上述分析表明, 强降水伴随着明显的重力波气压扰动, 该波动的周期约为几十分钟至几小时, 并且先于降水的出现, 具有明显先兆活动特征, 对降水预报有一定的先兆指示意义.
2
4.2.重力波动态频谱特征
为了分析重力波频率的时间变化特征, 采用小波分析方法对微压计采集的气压扰动进行小波变换. 小波分析方法不仅能够显示信号的时域、频域特性, 也能够反映信号的多尺度特征和局部特征. 图9为3, 1, 2号微压计气压扰动功率谱的时间变化.
Figure9. Gravity waves dynamic frequency spectra ((a), (c), (e)) (shaded: amplitudes; Y-axis: periods; X-axis: time; The black envelope line shows the cone of influence, outside of which edge effects might be large, and green solid lines designates the 95% confidence level, ▲ denotes the start time of rainfall) and precipitation figure ((b), (d), (f)): (a), (b) Microbarograph 3; (c), (d) microbarograph 1; (e), (f) microbarograph 2 on 20 BJT 28?07 BJT 30 July 2020.
对于3号微压计, 由图9(a)可见, 重力波信号主要出现在两个时段: 7月28日21:00—29日8:00, 7月29日8:00—30日6:00. 主要特征如下. 1) 7月28日21:00出现了较强的气压扰动功率谱, 高功率谱的波动周期约为128—230 min, 29日2:00开始波动能量开始减弱. 29日6:00—8:00出现128 min的高能重力波, 而本站降水从29日10:00才开始, 可见, 重力波先兆信号的出现比降雨开始提前了约4 h. 2) 29日8:00开始, 256 min重力波能量开始增长, 高能重力波向低频发展, 29日10:00本站开始了持续性降雨, 在13:00—20:00出现了周期96—128 min高功率谱重力波, 与13:00第一个降水峰值相对应; 20:00以后高能重力波的周期以128—256 min为主, 一直持续到30日3:00, 同时激发了更短周期(约32—64 min)的重力波, 第二次降水峰值出现在29日22:00. 可见在降水发生前重力波的能量有增强过程, 同时波动周期也是变化的, 代表存在多种频率重力波的混合波动, 在不同阶段, 起主要作用的波动的频率是不同的.
对于1号微压计(图9(c)), 较强的重力波功率谱出现在29日6:00, 在10:00—15:00降水期间, 高功率谱的波动周期为128—256 min, 在15:00—18:00弱降水期间高功率谱的波动周期为256 min, 同时功率谱开始增强, 在29日21:00—30日0:00强降水阶段, 高功率谱重力波的周期为128—256 min, 同时激发了更短周期(32—64 min)的重力波. 可见, 在降水发生前3 h, 重力波周期以128 min为主.
对于2号微压计站(图9(e)), 弱降水发生在29日7:00—11:00, 但在7月29日5:00—7:00一直有周期约128 min的重力波先兆信号, 该波动比降雨开始提前约2 h出现. 在29日13:00—15:00和29日21:00—30日4:00的强降水阶段分别出现了降雨峰值, 其中, 在第一个降雨峰值期间, 重力波能量不断增强, 高能重力波周期为64—128 min, 并且有更短周期32 min重力波产生, 随着对流的发展, 很快256 min的重力波也开始出现. 在第二个降雨峰值期间, 高能量重力波从20:00开始周期扩展至96—192 min重力波的能量增长, 30日2:00开始衰减, 此时段也激发了更短周期(8—32 min)的重力波. 可见, 在降水期间都伴有不同频率的重力波, 并且降雨前2 h就已经有重力波信号增强.
从上述分析可看出, 在暴雨发生前2—4 h出现周期约128 min的重力波先兆活动. 暴雨期间, 高能重力波的周期主要为128—256 min, 并且随着强对流的发展演变, 高能重力波频谱也相应地调整, 强对流会激发更短周期(8—64 min)重力波. 2020年, Wang等[28]利用佛山微压计数据分析了佛山地区一次局地暴雨过程重力波动态谱特征, 暴雨前约4 h, 出现了长周期(140—270 min)重力波, 局地暴雨同时激发了更短周期(≤36 min)重力波. 本次东北暴雨过程也体现了重力波这一特征.
由图9可看出, 周期120—180 min的重力波能量最强, 提取此频段重力波, 利用逆傅里叶变换进行重力波重构, 对于重构的微压计3号重力波(图10(a)), 在降雨时段29日10:00—30日3:00, 重力波呈现周期性扰动, 并且振幅迅猛增大, 可达约60 Pa, 并且在29日13:00和22:00峰值降水前都有明显的重力波, 例如12:00出现的振幅约为20 Pa重力波早于13:00的峰值降雨, 20:00出现的振幅约65 Pa的重力波早于22:00的峰值降雨. 重构的微压计1和微压计2重力波信号也呈现相同的特征(图10(b)和图10(c)). 例如, 对于微压计2号重力波重构信号(图10(c)), 降雨时段29日7:00—30日3:00, 12:00之前, 重力波振幅较小, 约小于20 Pa, 29日12:00—15:00振幅增大, 约为30 Pa, 这早于14:00的降水峰值, 随后波动出现周期性扰动, 20:00开始波动振幅迅速增长, 约为40 Pa, 这也早于22:00的降水峰值. 这表明周期为120—180 min的重力波对强降水的发生、发展有着积极的作用.

Figure10. Gravity waves restruction (black line, Pa) and hourly precipitation (green line, mm): (a) Microbarograph 3; (b) microbarograph 1; (c) microbarograph 2.
2
4.3.重力波产生机制
重力波是指在层结稳定大气内部的不连续面上(如速度不连续的切变线, 密度不连续的锋面), 空气微团受到扰动后偏离平衡位置, 在重力和浮力共同作用下产生的波动. 重力波方程组[9]为:









7月29日14:00强回波主体位于吉林省中部地区(图4(b)), 由图11可见, 29日14:00在降水粒子下沉运动作用下, 出现了雷暴高压G1, 引起气流辐散. 在G1前方, 有西北风与西南风的辐合, 周边有辐散. 可以看出, 在散度场上, 存在明显的辐散辐合异常值区, 呈现带状, 向东南方向传播, 这是重力波的明显特征.

Figure11. (a) Surface pressure disturbances, (b) surface wind filed, (c) divergence disturbances fields, (d) temperature disturbances (green solid lines denotes positive values, red dotted lines denotes negative values, units: ℃) on 14 BJT 29 July 2020. Green, red and yellow dot respectively denotes the locations of microbarograph 1, 2, 3.
29日17:00, 强对流主体向东南方向移动到四平、辽源、吉林、通化北部、白山北部(图4(c)), 由图12可见, 29日17:00相应区域出现中高压G2, 辐散出流在西南方向辐合. 辐合辐散交替出现, 波动特征明显. 需要注意的是, 在D2区域同时有西北风、西南风、偏南风的辐合, 可能是传播的重力波在局地条件下增强的结果.

Figure12. (a) Surface pressure disturbances, (b) surface wind filed, (c) divergence disturbances fields, (d) temperature disturbances (green solid lines denotes positive values, red dotted lines denotes negative values, units: ℃) on 17 BJT 29 July 2020. Green, red and yellow dot respectively denotes the locations of microbarograph 1, 2, 3.
7月29日20:00, 强对流降水区位于辽源、吉林南部、通化北部、白山北部(图4(d)), 由图13可知, 强降水区出现雷暴高压G3, G4, G5(图13(c)), 由于降水蒸发冷却作用造成负气温扰动中心( –2 ℃—3 ℃), 形成地面冷池, 冷池对强对流系统的维持有着重要的作用[29,30], 同时G3和G4区域辐散出流强劲. 辐合辐散带状分布, 呈现东西向分布的特征, 代表重力波东西向传播. 这种辐合辐散主要是由对流的下沉气流造成的地面高压和降水蒸发引起的冷池, 造成的出流引起在下游辐合, 根据质量连续性原理, 进而导致其下游出现辐散, 因此这种带状的辐散辐合向外传播, 会形成重力波, 由于中尺度是质量场向风场适应, 因此这种风场的波动也会引起气压场的波动.

Figure13. (a) Surface pressure disturbances, (b) surface wind filed, (c) divergence disturbances fields, (d) temperature disturbances (green solid lines denotes positive values, red dotted lines denotes negative values, units: ℃) on 20 BJT 29 July 2020. Green, red and yellow dot respectively denotes the locations of microbarograph 1, 2, 3.
29日23:00地面气温扰动为–2 ℃(图略), 冷池强度变弱, 辐合辐散强度也明显减小, 表明强对流已发展到成熟阶段并开始减弱, 但辐合辐散依然保持带状, 呈现波动特征.
由以上分析可知, 在对流降水发展过程中, 降水粒子下落和雨水蒸发冷却在近地面产生冷高压, 形成向外辐散的出流, 加强与下游气流的辐合, 根据质量连续性原理, 在辐合区产生上升运动, 在辐散区形成下沉运动, 这种辐合辐散促进了重力波的生成以及强对流向下游的发展. 由于重力波形成在对流的下游, 因此先于对流的传播, 对强对流有一定的先兆指示作用.
1)暴雨与重力波密切相关, 降雨量峰值与气压扰动有明显的对应关系, 并且周期为几分钟至几小时的重力波早于降雨数小时出现.
2)扰动气压的小波分析表明, 在暴雨发生前2—4 h, 就有周期约128 min的重力波先兆活动(图14重力波A), 暴雨(图14左侧对流云)发生后又加强了重力波的发展, 促进了96—256 min重力波产生(图14重力波B), 并激发了更短周期(8—64 min)的重力波. 重构重力波信号表明, 此次暴雨过程重力波的主要周期为120—180 min. 相比于对流降水, 重力波信号提前2—4 h出现, 表明重力波对强对流降水有一定的预兆指示意义.

Figure14. Conceptual model of triggering mechanism of gravity waves on rainstorm.
3)在对流降水云发展过程中, 降水粒子下落和雨水蒸发冷却在近地面产生冷高压, 形成向外辐散的出流(图14辐散区), 加强与下游气流的辐合(图14辐合区), 根据质量连续性原理, 在辐合区产生上升运动, 在辐散区形成了较强的下沉运动, 这种辐合辐散促进了重力波的生成以及强对流向下游对流云(图14右侧对流云)的发展. 这是重力波形成的主要机制, 重力波的产生促进了下游对流的发展和移动.
本文利用高精度微压计探测数据, 分析了暴雨过程重力波特征和产生机制, 但是有一些问题仍待深入研究, 比如重力波先兆活动的产生机制是什么, 重力波是如何激发暴雨的, 重力波其他的频谱特征, 比如波长、波速是多少, 重力波的传播和发展是如何完成的, 这些问题需要利用数值模式进行更深入的研究.