王 莹,李永生
(1.黑龙江省气象服务中心,黑龙江哈尔滨150030;2.黑龙江省气候中心,黑龙江哈尔滨150030)
黑龙江省区域寒潮气候特征及延伸期预测评估
王莹1,李永生2
(1.黑龙江省气象服务中心,黑龙江哈尔滨150030;2.黑龙江省气候中心,黑龙江哈尔滨150030)
利用1961-2013年黑龙江省62个气象站逐日日最低气温资料,在单站寒潮的基础上定义了黑龙江省区域寒潮标准,统计分析了黑龙江省区域寒潮的气候特征和环流特征,在此基础上,基于国家气候中心月动力延伸预测模式业务系统(DERF2.0)1983-2013年对黑龙江地区的回报试验结果,对黑龙江省区域寒潮的11-30 d的延伸期预测进行了检验评估。结果表明:黑龙江省区域寒潮大都发生在冬半年,频次总体呈减少趋势;冬季各月寒潮频次与亚洲纬向环流呈正相关关系,与鄂霍次克海高压呈反相关关系;DERF2.0在11-30 d的延伸期预报上对黑龙江省的区域寒潮有一定的预测技巧,预测准确率可达到40%左右,但仍有较大的改进空间。
寒潮天气过程是冬半年影响黑龙江省的主要灾害性天气,属于极端天气事件,它最主要的表现是剧烈降温并伴有偏北大风和气压猛升,有时伴有雨雪天气或霜冻。这种天气过程不但会给人们的日常生活带来较大影响,而且还影响了生产活动,因此准确预报寒潮出现时间及其降温影响程度等对指导公众更好地避免寒潮造成的灾害有非常重要的意义[1-2]。自20世纪50年代气象学家就对寒潮进行了研究探索,经历了近半个世纪的发展和研究,从天气学角度、气候角度、数值模式等方面,形成了比较系统的寒潮理论。
延伸期天气预报一般是指11-30 d时间范围内的天气预报[3]。从防灾减灾的实际需求而言,延伸期时段内的重要天气过程是政府和公众最为关心的问题[3]。目前,以数值模式为基础进行11-30 d延伸期预报已成为国内外的共识,如果提前11-30 d预报出寒潮天气过程,将会为政府及相关部门作出决策和相应的部署赢得宝贵的时间,有效的减少灾害带来的损失。国家气候中心(NCC)在2005年开始了第一代月动力延伸预测模式(DERF 1.0)的业务化运行,经过近10 a的发展,2014年第二代月动力延伸预测模式业务系统(DERF 2.0)开始应用于预测业务中,分辨率和预报能力等均有明显改善。关于DERF2.0对中国地区气温和降水的预测性能已有相关评估[4],本文主要利用DERF2.0延伸期模式1983-2013年的回报数据,检验模式对1983-2013年的黑龙江省区域寒潮11-30 d的预报能力,从而为下一步订正模式做准备,有助于预报员在延伸期预报业务中利用模式产品对黑龙江省区域寒潮做出更加准确的预报。
所用资料为黑龙江省气象信息中心提供的62个气象观测站的逐日(前一日20时至当日20时)最低气温资料,考虑到资料的完整性,逐日最低气温资料长度选取从1961年1月1日-2013年l2月31日。环流要素资料采用NCEP/NCAR逐日再分析资料。DERF2.0月动力延伸预测模式1983-2013年的每月1日起报的模式回算资料,包括逐日最低气温,500 hPa高度场,850 hPa风场。预报司气预函〔2014〕110号关于印发《冷空气过程监测业务规定(试行)》寒潮标准:单站的△T24≥8℃或△T48≥10℃或△T72≥12℃,且日最低气温≤4℃的冷空气。(其中48小时、72小时内的气温必须是连续下降的。)区域寒潮:根据寒潮标准,在统计出62个站所有寒潮过程的基础上,根据寒潮发生时间进一步定出黑龙江省区域寒潮过程,因同一过程造成的东西和南北不同影响日(平均相差1-3 d)的寒潮,作为一个过程处理,取第一个影响日为过程开始日期。当62个代表站中有50%及以上的站点出现寒潮,便定为1次黑龙江省区域寒潮。
将DERF2.0输出的11-30 d的逐日最低气温进行区域平均(123°-130°E,44°-55°N),将此区域的降温过程与实况的寒潮过程进行对比分析,如果模式降温过程与实况寒潮天气过程一致,并结合DERF2.0对500 hPa高度场的预报检验,认为模式报对1次寒潮天气过程。
距平相关系数(ACC)反映的是预报值与实况值的相似程度,最早应用于模式预报的环流评估。计算公式
其中Fi与Oi分别是某时刻的预报值和观测值,分别为预报与观测的平均值,它可以对时间或空间求取平均,所计算的ACC分别表示时间距平相关或空间距平相关。当计算空间距平相关系数时,Fi与Oi分别表示预报距平与观测距平。
3.1黑龙江省区域寒潮的气候特征
从全年各月来看,呈双峰型分布,黑龙江省区域寒潮发生最多的月份是在2月,1961-2013年共发生66次,其次是11月份,53 a中发生59次,相对最少的月份是4月份,53 a中仅发生1次区域寒潮(图1)。
图11961 -2013年黑龙江省区域寒潮频次月分布
在黑龙江省,一年中最为寒冷的月份是1月份,然而1月却不是区域寒潮发生频次最多的月份,53 a中,有30 a几乎没有在1月份发生过区域寒潮,1月寒潮频次最多达到过3次,分别出现在1968年和2010年,剩余的20 a中,有6 a的1月份出现了2次寒潮,其中在刚刚进入21世纪的前3 a里连续出现。总体来说,1月份气温总体较低,气温波动不明显,很难达到可引发区域寒潮的降温标准。
2月的区域寒潮发生频次在全年12个月中是最多的,过去的53 a中有38 a达到了区域寒潮,其中最多的3 a,2月份内区域寒潮总频次多达4次。按年代分布来看,上世纪60年代和90年代是区域寒潮比较密集的两个年代,而上世纪80年代,寒潮最为低调,现身的频次最少。
11月份的区域寒潮在上世纪60年代初期异常偏多,一个月内少则2次多则4次,之后逐渐减少,维持在1次的年份居多,进入80年代,随着全球气候的逐渐变暖,黑龙江省区域寒潮频次明显呈现出下降的态势,21世纪后,11月份区域寒潮空白年份最多。总的来说11月份区域寒潮频次变化比较平稳。
12月份区域寒潮的变化相比较11月份的区域寒潮变化就显得有些波澜起伏了,上世纪80年代之前,是区域寒潮的高发期,尤其是上世纪60年代,寒潮频次呈阶梯式增长,最多一个月发生了3次,上世纪70年代,区域寒潮频频发生,最多一个月出现了3次,整个70年代只有1 a的11月没有寒潮发生,而80年代前后,寒潮显得有些销声匿迹了,进入了低潮期,90年代乃至21世纪之后,黑龙江省区域寒潮总是相隔1 a或2 a出现。总的来说年代际变化非常明显。
3.2黑龙江省区域寒潮的环流特征
冬季(11月-翌年2月)是黑龙江省区域寒潮频发的季节,因此只分析冬季各月环流特征。研究表明相关分布区基本一致,在贝加尔湖到中西伯利亚高原上空是一个负的高相关的区域,在鄂霍次克海到北太平洋上空是一个正的高相关区域,这说明冬季的中高纬度的高度场环流对黑龙江省冬季各个月的寒潮频次的影响处于相对稳定的状态,影响因子相对比较单一。龚道溢等[5]的研究表明:西伯利亚高压是影响我国冬季气温的一个主要环流因子,能较好地解释我国最近几十年来冬季气温变化的低频特征。
表1 影响各月寒潮频次的同期环流因子
表1给了影响各月寒潮频次的同期环流因子,11月的鄂霍次克海高压指数与11月全省的寒潮频次相关系数为-0.57,11月的亚洲纬向环流指数与11月全省的寒潮频次相关系数为0.47,12月的太平洋极涡面积指数与12月全省的寒潮频次相关系数为-0.46,12月的亚洲区极涡强度指数与12月全省的寒潮频次相关系数为0.54,1月的亚洲区极涡强度指数与1月全省的寒潮频次相关系数为0.50,1月的亚洲区纬向环流指数与1月全省的寒潮频次相关系数为0.52,1月的鄂霍次克海高压指数与1月全省的寒潮频次相关系数为-0.49,2月的鄂霍次克海高压指数与2月全省的寒潮频次相关系数为-0.46,2月的亚洲区纬向环流指数与2月全省的寒潮频次相关系数为0.47,2月的欧亚纬向环流指数与2月全省的寒潮频次相关系数为0.52,通过分析得出,冬季各月的寒潮频次与鄂霍次克海高压指数,欧亚纬向环流指数,亚洲纬向环流指数有很好的相关关系,这可能与冬季大气环流处于稳定期有关。
DERF2.0的大气初始场采用NCEP一日四次的再分析资料,资料使用nudging方法输入到模式,海表温度初始场采用NOAA的OISST再分析资料,包括月平均资料和周平均资料,在资料能够获取的情况下使用最近的周平均资料,在模式中保持初始海温异常持续。本文分析的回报试验结果使用的是每月1日起报,预报时段为11-30 d。每月集合预报采用滞后平均方案,由不同起报时间组成,从起报之日向前每隔12 h进行一次,共6个样本成员进行集合平均。模式既可以预测环流场,还可以预测要素场,首先检验一下DERF2.0对黑龙江省上空(123°-130° E,44°-55°N)的500 hPa高度场的预测性能。图2给出了DERF2.0每月1日起报的11-30 d逐日500 hPa高度场进行区域平均(123°-130°E,44°-55°N)1983-2013年的逐年ACC,从图中可以看出,1月1日起报的1983-1992年的ACC预报的比较稳定,维持在零线以上,1993年以后,ACC波动较大,年际变化十分明显,正值负值几乎是交替出现;2月的ACC值在前4 a和1月一样同为正值,1987-2003年也同样呈现出波动的态势,2004-2009年2月ACC持续正值;11月则呈现出多年的正值,在进入21世纪之前,几乎都是正值占据主导地位,预测效果明显好于2月;12月的ACC值年代际变化比较明显,总是有连续性的正值或负值出现,且正值的年份偏多一些。
图2 (a)1月(b)2月(c)11月(d)12月1日起报的500 hPa区域平均(123°-130°E,44°-55°N)11-30 dACC时间序列
DERF2.0每月1日起报的对未来11-30 d的延伸期预测,1961-2013年1月11-30日共发生12次区域寒潮,报对6次,成功率为50%。1961-2013年2月11-3月1日共发生26次区域寒潮,报对8次,成功率为30.8%。1961-2013年3月11-30日共发生12次区域寒潮,报对5次,成功率为41.7%。1961-2013年11月11-30日共发生19次区域寒潮,报对9次,成功率为47.4%。1961-2013年12月11-30日共发生11次区域寒潮,报对5次,成功率为45.5%。总的来说,利用DERF2.0对80次区域寒潮过程进行11-30 d的延伸期预测,有33次预报正确,预报准确率为41.25%,虽然有一定的预测技巧,但模式的提升空间依然很大。
(1)黑龙江省区域寒潮大都发生在冬半年,频次总体呈减少趋势。
(2)冬季的中高纬度的高度场环流对黑龙江省冬季各个月的寒潮频次的影响处于相对稳定的状态,影响因子相对比较单一。冬季各月寒潮频次与亚洲纬向环流呈正相关关系,与鄂霍次克海高压呈反相关关系。
(3)DERF2.0在11-30 d的延伸期预报上对黑龙江省的区域寒潮有一定的预测技巧,预测准确率可达到40%左右,但仍有较大的改进空间。
[1]王莹,徐永清,李永生.黑龙江省冬半年寒潮变化的气候特征[J].黑龙江气象,2012,29(3):1-4.
[2]李宪之.东亚寒潮的侵袭研究[M].北京:科学出版社,1955:35-87.
[3]陈伯民,信飞,沈愈,等.月内重要天气过程与气候趋势预测系统及应用进展[J].气象科技进展,2013,3(1):46-51.
[4]何慧根,李巧萍,吴统文,等.月动力延伸预测模式业务系统DERF 2.0对中国气温和降水的预测性能评估[J].大气科学,2014,38(5):950-964.
[5]龚道溢,朱锦红,王绍武.西伯利亚高压对亚洲大陆的气候影响分析[J].高原气象.2002,21(1):7-14.
Assessment and prediction of regional climatic characteristics and extension period of cold wave in Heilongjiang province
WANG Ying1,LI Yong-sheng2
(1.Heilongjiang meteorological service center,Heilongjiang Harbin 150030;2.Climate center of Heilongjiang province,Heilongjiang Harbin 150030)
Defined the area cold wave standard of Heilongjiang province based on single station cold wave standard with 62 meteorological stations daily minimum temperature data in Heilongjiang province from 1961 to 2013,and analyze the climate characteristics and circulation characteristics of the regional cold wave of Heilongjiang province.Based on the return test results of Heilongjiang from 1983 to 2013 from National Climate Center Monthly Dynamic Extended Prediction System(DERF2.0)to test and evaluate the extended range cold wave forecast of Heilongjiang province for 11-30 days.The results show that,the regional cold occurs mostly in winter and the frequency decreased.There is a positive correlation between the cold wave frequency in each month and the zonal circulation in Asia,and it is inverse correlation with the Okhotsk high;RF2.0 in the 11-30 days of the extension forecast of the regional cold wave in Heilongjiang province have some prediction skills,prediction accuracy can reach 40%,but there is still much room for improvement.
P468.0+2
A
1002-252X(2016)03-0005-04
2016-6-1
王莹(1983-),女,黑龙江省齐齐哈尔市人,成都信息工程学院,研究生,工程师.