贵州冬季凝冻特征及环流分型研究*

黄晨然，白 慧，杨 娟

(贵州省气候中心，贵州 贵阳 550002)

贵州冬季凝冻特征及环流分型研究*

黄晨然，白 慧，杨 娟

(贵州省气候中心，贵州 贵阳 550002)

利用1983—2013年12月—次年2月贵州省84站凝冻过程观测资料和NCEP/NCAR逐日再分析资料，采用EOF、聚类分析、Lamb-Jenkinson环流分型等方法，分析了贵州省冬季凝冻过程的空间分布特征和冬季环流分型。结果表明：贵州省中部一线的区域凝冻发生频率最高，安顺西部至黔南州西南部区域凝冻持续时间最长，贵州北部及东南部部分地区凝冻发生频率较低且持续时间短，因此受灾程度最轻。全省各站冬季凝冻日数一致偏多或偏少的情况所占比例接近80%。以贵州冬季凝冻过程中凝冻日数为研究对象，可划分为4类，即特重凝冻区、重凝冻区、中凝冻区和轻凝冻区。Lamb-Jenkinson环流分型方法适用于贵州区域，在贵州冬季凝冻过程中W型环流占98.1%。12—次年2月各月W型环流所占百分率依次为92.7%、95.5%和95.0%，Lamb-Jenkinson环流分型结果可以更准确地体现贵州区域冬季各类环流的型态特征。

凝冻过程；聚类分析；环流分型

1 引言

贵州地处云贵高原东北侧，冬季北方冷空气频繁南下，冷空气受高原大地形的阻挡，在西南地区形成静止锋并且长期盘旋，配合来自孟加拉湾暖湿气流源源不断地输送水汽，导致贵州出现凝冻天气。由于特殊的地理位置和地形特征，贵州几乎年年有凝冻。凝冻导致电网瘫痪、铁路停运、公路封堵、机场关闭、通讯不畅、停电断水、工业停产、农林业受损，是贵州最常见的气象灾害之一。冬季凝冻灾害发生日数和严重程度是与大气环流相联系的。许丹等[1]研究指出贵州省凝冻的严重程度与亚欧地区位势高度场分布密切相关。杜小玲等[2]分析了贵州省12次阻塞环流背景下强冻雨过程，结果表明强冻雨天气与亚洲中高纬度阻塞环流和中低纬度南支锋区密切联系。白慧等[3]对近30 a影响贵州冬季冻雨日数的大尺度环流的研究表明，贵州冬季冻雨日数偏多(少)年，大气环流异常呈现出强(弱)东亚冬季风环流特征。马宁等[4]的研究表明，赤道东印度洋MJO对流异常活跃配合近地面持续冷空气导致南方大范围的低温冰冻雨雪灾害。

通过对大气环流进行分型，有利于了解各类环流型对区域天气气候的影响。早期Lamb[5]依据经验开始对欧洲大气环流状况进行主观分型。朱志英等[6]通过主观分型将5—9月气旋产生的500 hPa环流型分为3大类：长波类、短波类和阻塞类。王林等[7]对我国南方36个冰冻雨雪天气个例的环流形势做了分析，总结出发生冰冻雨雪天气的4种天气类型：北脊南槽型、乌山脊型、横槽南支型和高纬低涡型。Bardossy等[8]研究发现，一些环流类型出现的频率发生明显变化，会导致更极端的天气气候事件出现。20世纪70年代Jenkinson[9]在Lamb的基础上定义了指数和标准，将主观方法和客观方法相结合，形成了Lamb-Jenkinson大气环流分型法。朱艳峰等[10]讨论了Lamb-Jenkinson(L-J)大气环流分型方法在中国的适用性，并建立了一套完整的序列进行气候变化研究和气候预测应用。但该方法研究尺度和判定标准在贵州是否适用还有待探讨。目前在用的大尺度环流指数对省级区域环流的分型能力不够，近年的研究也多是关于我国大气污染天气分型[11-12]或暴雨天气分型[13-14]等方面，对冬季凝冻过程的大气环流分型研究甚少。从气候变化研究及短期气候预测角度来看，需要开展针对贵州省的冬季大气环流客观分型分析。

本文利用贵州省84个站点凝冻日观测资料和NCEP/NCAR再分析资料，研究贵州省冬季凝冻过程空间分布及区划，采用Lamb-Jenkinson大气环流分型方法对贵州省上空500 hPa位势高度场进行环流分型，讨论该方法在贵州省级区域的适用性，得到影响贵州冬季凝冻过程的大气环流分型结果，为建立大尺度环流模式产品对冬季凝冻过程的降尺度预测提供支撑。

2 资料和方法

2.1 资料

①站点资料：贵州省84个站点凝冻日观测资料。

②格点资料：NCEP/NCAR再分析资料中的逐日海平面气压和500 hPa位势高度资料，空间分辨率均为2.5°×2.5°。

上述站点数据和格点数据的时间范围统一为1983—2013年12月—次年2月。

2.2 方法

2.2.1 聚类分析 聚类分析[15]是研究样本或变量指标分类问题的一种多元统计分析方法。本文将贵州省84站的冬季凝冻过程中凝冻日数作为研究对象，通过系统聚类分析方法[16](Q型聚类：对拥有多种属性指标的不同样本对象归类)来对贵州冬季凝冻过程进行分型。

图1为1983—2013年冬季贵州省区域凝冻过程中各站凝冻日数的聚类图，贵州省84站冬季凝冻过程中的凝冻日数作为研究对象，样品间距离与类间距离的最优聚类组合为海明距离—未加权平均距离，其二者的复合相关系数为0.968。

图1 1983—2013年冬季贵州省区域凝冻过程 中各站凝冻日数的聚类图Fig.1 Cluster analysis of freezing days of all stations during freezing processes in Guizhou from 1983 to 2013

2.2.2 L-J大气环流分型方法 利用L-J分型法对贵州区域进行环流的客观分型研究，首先要进行区域的选取和划分。本文将位于贵州区域(103°36′～109°35′E、24°37′～29°13′N)中部的点C(107.5°E，27.5°N)定为中心点，每隔10个经度，5个纬度的网格点上取16个点(图2)。

再利用所选区域内的16个格点的海平面气压值，通过中央差分，得到地转风及其纬向、经向分量、纬向和经向梯度、地转涡度6个环流指数。根据地转风速、风向及涡度值将环流分为27种类型，分型标准及相应类型见表1。

图2 贵州省区域16个差分格点选取Fig.2 Selected 16 difference grid points for Guizhou

|ξ|

3 结果分析

3.1 区域(省级)凝冻过程特征

贵州省范围内同时段有8个以上(含8个)县(区)连续出现3个凝冻日则为一次区域性凝冻过程。图3a为1981—2013年冬季贵州省63个区域凝冻过程中各站凝冻过程频率的空间分布，可以看到贵州冬季较易发生区域凝冻过程的区域集中在贵州中部一线，威宁(92.0%)、大方(96.8%)、开阳(90.5%)、麻江(81.0%)、丹寨(90.5%)和万山(87.3%)的频率达到了80%以上，其中威宁、大方、开阳和丹寨达90%以上，其余大部地区凝冻过程发生频率低于30%。再结合1981—2013年冬季贵州省各站在区域凝冻过程中平均持续凝冻时间的空间分布(图3b)，发现贵州冬季区域凝冻过程发生频率较高(70%以上)的中部一线区域的平均持续凝冻时间在6～8 d之间；遵义北部、铜仁北部、黔南东南部与黔东南南部地区平均持续凝冻时间在3～5 d之间，凝冻过程发生频率较低(30%以下)且持续时间较短，说明该区域属于凝冻灾害较轻的地区；而在发生频率同样较低的安顺西部到东南部一线与黔南州的西南部接壤区域的平均持续凝冻时间可达9～12 d之间，表明该区域虽发生区域凝冻过程频率较低，但一旦发生区域凝冻过程则持续时间较长，灾害程度最严重。

图3 1983—2013年冬季贵州省63个区域凝冻过程中各站凝冻过程频率(a，单位：%)和平均持续时间(b，单位：d)的空间分布Fig.3 Spatial distribution of freezing frequency(a,unit:%)and duration(b,unit:d)of all stations during 63 regional freezing processes in Guizhou from 1983 to 2013

3.2 贵州冬季凝冻过程EOF分型

对1983—2013年冬季贵州省63个区域凝冻过程中各站凝冻日数进行EOF分解，前5个模态的方差贡献之和达93.9%，在95%置信度水平下的特征根误差表明，前5个模态均存在显著差异(表2)，表明EOF前5模态能较好的表征63个凝冻过程样本的空间分布特征，尤其是第1模态，方差贡献率接近80%。再结合前5模态对应的空间分布型结果可以看到，贵州省区域凝冻过程日数第1模态对应的空间分布(图4a)为“全区一致型”，说明凝冻日数的年际变化全省一致性较好，高值区位于贵州省中部，遵义县、金沙、黔西、修文、清镇、乌当、花溪、龙里、贵定、惠水、长顺、普定站表现出很好的同位相变化。其他4类空间分布型分别为“西部和中部与东部和南部反位相型”、“东、西部反位相型”、“西部、中部和东南部与东北部和西南部反位相型”和“西北部、西部和南部与中部、东北部和东部反位相型”。

表2 冬季凝冻日数前5 个特征向量方差贡献(%)Tab.2 The variance percentage of the first five eigenvectors of freezing process in winter(%)

图4 1983—2013年冬季贵州省区域凝冻过程中各站凝冻日数EOF的空间分布： EOF1(a)、EOF2(b)、EOF3(c)、EOF4(d)和EOF5(e)Fig.4 EOF spatial distribution of freezing days during winter freezing process in Guizhou from 1983 to 2013

3.3 贵州冬季凝冻过程区划

按照图1中的聚类分析方法，将贵州省区域凝冻过程结果分别分型为5类、4类、3类和2类(图5)。结果表明在5类分型中贵州中部一线的威宁、大方、开阳、瓮安、麻江、丹寨和万山分为一类记为Ⅰ区(7站，占8.2%)；毕节东部、六盘水北部、安顺西北部、兴义北部和遵义西部的区域分为一类记为Ⅱ区(8站，占9.4%)；毕节东部、贵阳中部和黔南州东南部局地区域分为一类记为Ⅲ区(7站，占8.2%)；贵阳北部和南部、黔南州北部和黔东南州中部区域分为一类记为Ⅳ区(12站，占14.1%)；其余大部区域分为一类记为Ⅴ区(50站，占60.0%)。在4类分型中Ⅲ区和Ⅳ区合并。在3类分型中Ⅲ区、Ⅳ区和Ⅴ区合并。在2类分型中Ⅱ区、Ⅲ区、Ⅳ区和Ⅴ区合并。表明Ⅰ区的独立性最强、其次为Ⅱ区，Ⅲ区、Ⅳ区和Ⅴ区的相关性较好。因为先被聚类在一起的区域，相似性关系比较密切。对于处在同一个子评价层中的评价指标来说，如果聚类的结果具有同一性，可以考虑去除其中之一或将两区域合并；对于不在同一个子评价层中的区域，聚类在一起的也具有属性上的相关性，但不可相互替代。通过上述分析，本文将贵州省84站冬季凝冻过程中的凝冻日数聚类分型为4类(图5b)，即4类冬季凝冻过程的凝冻日数区划，Ⅰ区为特重凝冻区、Ⅱ区重凝冻区、Ⅲ区和Ⅳ区合并为中凝冻区、Ⅴ区为轻凝冻区。

图5 1983—2013年冬季贵州省区域凝冻过程中各站凝冻日数聚类分型的空间分布： 5类分型(a)、4类分型(b)、3类分型(c)和2类分型(d)Fig.5 Spatial distribution of cluster type classification of winter freezing days during 63 regional freezing processes from 1983 to 2013:five types of classification(a),four types of classification(b),three types of classification(c),two types of classification(d)

3.4 基于再分析数据的L-J客观分型结果分析

对L-J分型法的验证首先是分析根据L-J分型法得到的贵州区域的分型结果能否准确区分环流场的高、低压形态及地转风流场走向。

首先对1983—2013年冬季63个区域凝冻过程样本的NCEP/NCAR逐日500 hPa 位势高度场数据进行分析讨论(图6)。L-J环流分型主要为W型(98.1%)，其次为CW型(0.9%)、SW型(0.4%)、NW型(0.4%)和E型(0.2%)，表明冬季贵州区域上空均处西风带内，受平直西风影响较大，L-J分型法能够较好地表现区域环流特征。

图6 1983—2013年冬季贵州区域63个区域凝冻 过程样本的环流分型结果(单位：%)Fig.6 Circulation type classification of 63 freezing samples in Guizhou from 1983 to 2013(Unit:%)

对1983—2013年冬季分月平均的NCEP/NCAR逐日500hPa 位势高度场(记为H500)数据进行分析讨论。图7分别给出了冬季12月1日、1月1日和2月1日起未来1～31 d、1～31 d和1～28 d平均的500 hPa分布场及根据L-J分型得到的分型结果。冬季，北半球中纬度西风带南北温差增大导致西风带较夏季增强南移，贵州区域上空均处西风带内，受平直西风影响较大，同时L-J环流分型主要为W型，12—次年2月所占百分率依次为92.7%、95.5%和95.0%。通过上述分析，表明在贵州区域利用L-J分型法能够较好地表现区域环流的不同型态特征，即H500的环流场配置与L-J环流分型结果在冬季均表现出良好的对应关系，说明该方法适用于贵州区域。

图7 冬季12月(a、b)、1月(c、d)和2月(e、f)500 hPa高度场(a、c、e) (单位：位势米) 及贵州区域的环流分型结果(b、d、f)(单位：%)Fig.7 500 hPa geopotential height field(a、c、e) in December(a、b)、January(c、d) and February(e、f) and circulation type classification in Guizhou(Unit:%)

4 小结与讨论

通过对1983—2013年冬季(12月—次年2月)贵州省84站凝冻过程的空间分布特征和环流分型的初步研究，得到以下结论：

①贵州省中部一线的区域凝冻发生频率最高，安顺西部至黔南州西南部区域凝冻持续时间最长，贵州北部及东南部部分地区凝冻发生频率较低且持续时间短，因此受灾程度最轻。

②全省冬季凝冻日数一致偏多或偏少的情况所占比例接近80%，尤其是贵州中部区域表现出非常好的一致性。

③贵州冬季凝冻过程按照凝冻日数区划可分为4类，即特重凝冻区、重凝冻区、中凝冻区和轻凝冻区。

④冬季贵州L-J环流分型主要为W型(98.1%)，其次为CW型(0.9%)、SW型(0.4%)、NW型(0.4%)和E型(0.2%)，表明冬季贵州区域上空均处西风带内，受平直西风影响较大，L-J分型法能够较好地表现区域环流特征。

⑤冬季各月 NCEP资料作出的500 hPa环流场的配置与Lamb-Jenkinson环流分型结果表现出良好的对应关系，表明Lamb-Jenkinson大气环流分型法适用于贵州区域。12—次年2月W型环流所占百分率依次为92.7%、95.5%和95.0%，说明利用Lamb-Jenkinson环流分型法得到的环流型可以更准确地体现冬季贵州区域各类环流的型态特征。

本研究只是对贵州冬季凝冻过程环流分型的初步探索，它验证了Lamb-Jenkinson分型法在贵州是适用的，利用该方法对模式环流场进行释用还有待于下一步深入的研究。

[1] 许丹,罗喜平.贵州凝冻的时空分布特征和环流成因分析[J].高原气象,2003,22(4)：401-404.

[2] 杜小玲,高守亭,许可,等.中高纬阻塞环流背景下贵州强冻雨特征及概念模型研究[J].暴雨灾害,2012,31(1)：15-22.

[3] 白慧,柯宗建,吴战平,等.贵州冬季冻雨的大尺度环流特征及海温异常的影响[J].高原气象,2016,35(5)：1 224-1 232.

[4] 马宁,李跃凤,琚建华.2008年初中国南方低温雨雪冰冻天气的季节内振荡特征[J].高原气象,2011,30(2)：318-327.

[5] Lamb HH.Types and spells of weather around the year in the British Isles[J].Quarterly Journal of the Royal Meteorological Society,1950,76：393-438.

[6] 朱志英,黄景华.气旋产生的500hPa流场特征及其环流分型[J].气象,1990,16(6)：26-30.

[7] 王林,覃军,陈正洪,等.南方冰冻雨雪灾害年的环流及气象要素异常的统计分析[J].长江流域资源与环境,2011,20(Z1)：173-180.

[8] Bardossy A,Caspary HJ.Detection of climate change in Europe by analyzing European circulation patterns from 1881 to1989.Theoretical and Applied Climatology,1990,42：155-167.

[9] Jenkinson A,Collison FP.An initial climatology of gales over the North Sea[C].Synoptic Climatology Branch Memorandum No.62.Bracknell:Meteorological Office,1977,18.

[10]朱艳峰,陈德亮,李维京,等.Lamb-Jenkinson环流客观分型方法及其在中国的应用[J].南京气象学院学报,2007,30(3):289-296.

[11]李霞,杨静,麻军,等．乌鲁木齐重污染日的天气分型和边界层结构特征研究[J]．高原气象,2012,31(5)：1 414-1 423.

[12]俞科爱,胡晓,黄旋旋,等.宁波区域霾过程的天气分型及环流场特征[J].气象,2015,41(12)：1 514-1 524．

[13]陈静静，叶成志，吴贤云.湖南汛期暴雨天气过程环流客观分型技术研究[J].暴雨灾害，2016,35(2)：119-125.

[14]冯志刚，程兴无，陈星，等.淮河流域暴雨强降水的环流分型和气候特征[J].热带气象学报,2013,29(5)：824-832.

[15]张尧庭，方开泰.多元统计分析引论[M].北京：科学出版社,1982.

[16]施能.气象科研与预报中的多元分析方法(第二版)[M].北京：气象出版社,2002.

A Study on characteristics of winter freezing and circulation type in Guizhou

HUANG Chenran，BAI Hui，YANG Juan

(Guizhou Provincial Climate Center, Guiyang 550002, China)

Using freezing process dataset of 84 meteorological observational stations in Guizhou and the NCEP /NCAR reanalysis data during the period from 1983 to 2013，the spatial distribution characteristics of the freezing processand circulation type classification in winter are analyzed with the methods of EOF decomposition and cluster analysis and Lamb-Jenkinson circulation type classification system. It is shown that there is the highest frequency of freezing in central areas of Guizhou province. The duration of freezing is the longest from the west of Anshun to the southwest of Qiannan. The frequency of freezing is low and the duration of freezing was short in the north and southeast of Guizhou so that the disaster degree of freezing is the slightest in these areas. The proportion of commonly more and less freezing days is close to 80 percent throughout the province. According to the number of freezing days, freezing process can be divided into 4 categories: the heaviest area, heavy area, moderate area and light area. Lamb-Jenkinson classification system is applicable to Guizhou. The proportion of W circulationtype is 98.1% during freezing process. The percentage of W circulation type in each month was 92.7%, 95.5% and 95%. The results of Lamb-Jenkinson circulation classification can be more accurate to show the different characteristics of circulation in winter in Guizhou.

freezing process; cluster analysis; circulation type

2017-03-06

黄晨然(1990—)，女(布依族)，助工，主要从事气候诊断与短期气候预测研究，E-mail:huangchr@126.com。

贵州省气象局气象科技开放研究基金项目(黔气科合KF[2016] 06号)；贵州省重大专项“主、客观预测产品检验评估系统”(黔气科合ZD[2016] 04号)；黔科合院士站(20144010) 。

1003-6598(2017)03-0010-07

P426.3+2

A