庐山雨凇景观变化特征及日预测模型

章开美，陈胜东，刘志萍*，周雨，汪如良

(1.江西省气象服务中心，南昌330096；2.江西省气象科学研究所，南昌330096)

随着气候环境的不断恶化，异常天气的出现日益频繁[1]，雨雪冰冻也有日益增多、加剧的趋势[2]。中国大部分地区都会出现冰冻天气，但南北差异较大，北方主要以雾凇为主，南方以雨凇为主，且海拔越高，年积冰日数越多[3-4]。许多学者针对中国冰冻事件频发区的气候特征[5-6]及易发成因[7-8]进行研究。柳艳香等[9]指出在中国长江中下游为积冰频发区，特别是云南、贵州及湖南等地区。雨雪冰冻天气区域差异很大[10]，且地形对冰冻有重要影响[11]，许爱华等[8]认为地形是导致江西省冻雨分布不均的关键所在。王怀清等[12]也分析了江西省雨凇天气的时空分布特征得出山区多于平原和丘陵的结论。

然而前人有关冰冻事件的研究多排除高山站点[6,13]，且以面上研究为主，有关局地气象条件对雨雪冰冻形成的影响分析不够。雨凇可导致严重的积冰事故的同时，对于某些高山景区来说，雨凇也是一种奇观。本研究将对高山站江西庐山的雨凇日数变化特征进行分析，并在讨论庐山雨凇天气形成的局地环境条件的基础上，建立庐山雨凇日预测模型，这是旅游经济发展的迫切内需，也为江西省智慧旅游的发展提供气象技术支撑，可进一步提升旅游气象服务的保障能力。

1 资料及方法

1.1 资料

1)江西省气象信息中心提供的1970年1月至 2018年4月庐山雨凇及常规气象观测资料；2)江西省气象台提供的1970年1月至 2018年4月南昌探空资料。

1.2 方法

1)采用Man-Kendall检验[14]及对气候均值进行突变检验。非参数统计检验Man-Kendall检验法对样本进行突变检验，为了样本不必遵从一定分布，而且使用简便；滑动T检验认为超过一定的显著性水平，则认为存在两组样本的均值差异显著，反之，则不显著。2)趋势分析采用线性倾向估计法[14]，该趋势的显著性检验采用变量与时间的相关系数r的检验。3)小波分析用来探讨庐山雨凇景观日数的周期变化，本研究还应用合成分析方法。 为了资料的完整性，删除一些缺测日资料，本研究中总样本数为17 645，其中雨凇样本数为2 011。本研究参照廖玉芳[15]的区间划分规则，将区间划为不同的子区间。由于99%的庐山雨凇发生日最低气温<5 ℃，且99%的样本中最低气温是>-15 ℃，因此，日最低气温按≤-15 ℃、≥5 ℃和-15 ℃～5 ℃之间以0.5 ℃为间隔划分各个子区间；同理，日平均气温按<-10 ℃、>10 ℃和-10 ℃～10 ℃之间以0.5 ℃为间隔划分各个子区间；日最高气温按<-7 ℃、>13 ℃和-7～13 ℃之间以0.5 ℃为间隔划分各个子区间、日平均相对湿度在0到100%之间以5%为间隔划分；日降水量在0到100 mm之间按5 mm为间隔划分；日平均风速在12 m·s-1以下时按0.5 m·s-1为间隔划分，12 m·s-1以上则归为同一子区间。子区间雨凇频率、雨凇概率及样本概率定义如下：子区间雨凇频率为子区间雨凇景观日数与该区间样本数百分比，子区间雨凇概率为子区间雨凇景观日数与总雨凇景观日数百分比；子区间样本概率为子区间样本数与总样本数百分比。若某子区间雨凇概率大于其样本概率，则定义该区间为雨凇正贡献区间。

2 庐山雨凇景观日数气候特征

2.1 月际变化

表 1 1970—2017年平均庐山逐月雨凇景观日数 Table 1 Monthly glaze icing events distribution of Lushan during 1970 and 2017

月份总日数/d多年平均日数/d占全年雨凇景观日数的比例/%1030.06 0.1511881.83 4.46123316.90 16.79162012.92 31.44256411.75 28.6033336.94 16.894330.69 1.67

统计庐山1970—2017年逐日雨凇资料，从各月的分布情况看(表1)，雨凇基本发生在11月至次年4月，占全年雨凇的99.3%，其中以1月最多，2月次之，10月雨凇最少，1970—2017年近46年庐山10月发生雨凇的总日数才3次。故确定庐山当年雨凇景观日数为当年11月至次年4月的累加，如2017年庐山雨凇景观日数为2017年11月至2018年4月雨凇景观日数的累加。

2.2 年际、年代际变化

为直观了解庐山雨凇景观的年际变化，将庐山雨凇日数年序列进行标准化处理，得到庐山雨凇日数的标准化距平(图1)。可见，庐山雨凇年序列总体线性变化不显著，但年际变化显著，本研究将标准化距平绝对值大于1的年份定义为雨凇景观日数异常年，即庐山雨凇异常偏多年份为1984、1987、1993、1995、1997、2004、2009、2011，异常偏少年份为1976、1978、1996、1998、2001、2003、2008。对该标准化序列进行Man-Kendall检验(图2)，发现自1981年后，年总雨凇景观日数确实发生突变，在1981年之前，标准化的序列值基本小于平均值，1981年后庐山雨凇景观日数表现为上升趋势，然上升趋势不显著(P>0.05)。图1也可直观看出，20世纪80年代初庐山雨凇景观日数出现了年代际转折，1970—1980年多数年份雨凇景观日数偏少；1981年之后，转为雨凇景观日数偏多偏少的年份相当。

图 1 1970—2017年庐山雨凇景观日数年序列标准化序列Figure 1 Yearly variation standardized distance of glaze landscapes in Lushan during 1970 and 2017

图 2 1970—2017年庐山雨凇景观日数年序列的Man-Kendall检验Figure 2 M-K test in yearly variation of glaze landscapes in Lushan during 1970 and 2017

图 3 1970—2017年庐山雨凇景观日数年变化曲线Figure 3 The yearly variation of glaze landscapes in Lushan during 1971 and 2017

1970—2017年庐山雨凇景观日数年变化曲线(图3)可直观看出，江西庐山1970—2017年历年雨凇景观日数为22～65天。2016年出现异常极小值，只有22天出现雨凇，而1987和1997年出现异常极大值，有65天庐山出现了雨凇，且20世纪中期以前呈现显著的上升趋势，为了更直观了解庐山雨凇日数的年代际变化特征，将1970—2017年分为2个时间段，1970—1994年为第一个时间段T1，1995—2017年为第二个时间段T2。图3给出了1970—1994年(T1)及1995—2017年(T2)2个时间段庐山雨凇景观日数的线性趋势及平均值，对T1和T2时段庐山雨凇的线性趋势(图3中虚线) 进行研究，可见，T1时段庐山雨凇景观日数均呈线性递增趋势，增加速率为0.42天/年，通过了a=0.001的显著性水平检验，然而，T2时段的线性增减趋势不明显。

2.3 周期变化

为进一步考察庐山雨凇景观年际、年代际变化周期，对庐山雨凇日数的年序列进行小波分析，图4分别给出了Morlet小波变化系数的实部(a)以及功率谱时频分布(b)。从图4中可以看出，1970—2017年庐山雨凇积冰日数具有显著的年际和年代际变化周期，年际变化周期为2～4年左右，信号在20世纪80年代中后期、90年代中后期及20世纪后期表现显著(P<0.05)；6年变化信号表现在整个时间段上，但未通过显著性检验；年代际变化周期在12～14年，由于研究时段有限，只在20世纪初表现显著(P<0.05)。

注：图a中实线和虚线分别表示同数偏多和偏少;图b中阴影表示通过0.05显著性检验的周期变化；粗实线表示消去边界效应的周期变化。图 4 庐山年雨凇积冰日数的Morlet小波系数实部(a)和功率谱分布(b)Figure 4 Real part(a) and modular square(b) of morlet wavelet of the year-time serial of glaze landscapes from 1971 to 2017 in Lushan

3 基于气象因子庐山雨凇日预测模型

3.1 与气象要素相关关系

研究表明气温是雨凇形成最重要的影响因子，其次为温度垂直结构[15]。故选择日最低温度(Tn)、日平均温度(TT)、日最高温度(Tm)、日降水量(RR)、日相对湿度(RH)、日平均风速(VV)、925 hPa温度(T9)、850 hPa度(T8)、850 hPa与925 hPa温度差(T8-T9)、700 hPa与925 hPa温度差(T7-T9)、700 hPa与850 hPa温度差(T7-T8)等11个气象因子与庐山雨凇是否发生展开相关性分析(表2)，雨凇发生与否作0、1化处理(1代表发生雨凇，0代表无雨凇)。结果表明:庐山雨凇与Tn、TT、Tm、T9、VV成负相关，与T7-T9、T7-T8、T8、T8-T9、RH、RR成正相关。与Tm、TT相关性最高(相关系数达-0.591)，其后依次是Tm、T9、RH、VV、T7-T9、T8、T8-T9、RR(0.024)。t检验表明11个气象因子与雨凇相关系数均通过a=0.05显著性检验。可见，选取的气象因子均与庐山雨凇的形成密切相关。

表 2 庐山雨凇与各个气象因子的相关系数 Table 2 Correlation coefficient between rainstorm and meteorological factors in Lushan

TnTTTmVVRHRRT9T8T8-T9T7-T9T7-T8与雨凇相关系数-0.591-0.591-0.576-0.0880.1310.024-0.1450.0560.0530.0880.056

图5给出了日最低气温(a)、日平均气温(b)、日最高气温(c)、日平均风速(d)及日平均相对湿度(e)、日降水量(f)在相应子区间雨凇频率、雨凇概率及样本概率。红、蓝、黑实线分别表示的是雨凇概况率、样本概况率及雨凇频率变化趋势，可见，庐山雨凇发生的频率随气温(日最低气温、日平均气温及日最高气温)升高而减小，负相关系数分别为-0.591、-0.591及-0.576(表2)。当日最低气温、日平均气温、日最高气温分别在4.0 ℃、8.5 ℃及0 ℃左右时，相应子区间的雨凇概率开始大于样本概率，即日最低气温、日平均气温、日最高气温分别<4.0 ℃、<8.5 ℃及<0 ℃时，对庐山雨凇的形成具有正贡献。图5d显示庐山雨凇发生的频率随平均风速增大而减小，这与表2显示的负相关结论一致，平均风速的雨凇正贡献区为<2.5 m·s-1。雨凇频率在不同的相对湿度(图5e)子区间上呈现两头高中间低的态势，且相对湿度>95%为庐山雨凇正贡献区。不同日降水量子区间上雨凇频率显示小雨(日降水量<10 mm)时雨凇频率是随雨量增大而增大，而发生小雨以上的降水(日降水量>10 mm)时庐山雨凇发生频率是随雨量增大而减小。庐山雨凇的降水正贡献区为日降水量>5 mm且<20 mm。

图 5 日最低气温(a)、日最高气温(b)、日平均气温(c)、日平均风速(d)、日平均相对湿度(e)及日降水量(f)在相应子区间雨凇频率、雨凇概率及样本概率的变化曲线Figure 5 The curve of the rain frequency，the generalization rate of the rain，and the sample summary rate about daily minimum temperature (a)，daily maximum temperature(b)，daily average temperature (c)，daily average wind speed(d)，daily average relative humidity (e) and daily precipitation (f) in the corresponding sub-intervals

3.2 日预测模型的建立

由表2得知日最低气温与庐山雨凇的相关系数达-0.591，且0 ℃为庐山雨凇概率开始大于样本概率阈值，且给定a=0.001的显著性水平，对日最低气温系列子区间的雨凇概况率进行滑动t检验(图略)，可知，庐山雨凇概率在日最低气温0 ℃存在趋势突变的最大点。3个气温因子两两相关性均达0.8以上，故建模时排除日平均气温及日最高气温。综上述，故将日最低温度0 ℃作为分割点建立模型，利用逻辑回归方法建立雨凇天气与7个影响因子的回归方程。参与回归的样本数5 794，建立的逻辑回归方程如(1)：

(1)

式(1)中X1为Tn；X2为RR；X3为RH；X4为VV；X5为T9；X6为T8；X7为T8-T9，当回归值Y≈0，判定没雨凇，当Y≈1，判定有雨凇，该模型雨凇拟合率为83%，通过0.001显著性水平检验。

通过上述逻辑回归方程建立雨凇日预测模型如下(2):

(2)

应用该预测模型对2018年一整年庐山雨凇景观日数进行预测，将预测结果与庐山出现雨凇的实际情况进行比对，结果表明，该模型对2018年庐山出现雨凇景观预报准确率达81%，可应用于庐山雨凇景观预报的实际业务中。

4 结论与讨论

本研究分析了庐山雨凇景观月际、年际及年代际特征等气候态特征，并建立庐山雨凇景观的日预测模型，结果如下：

1)20世纪中期以前庐山雨凇景观出现的日数呈现显著的上升趋势，20世纪中期以后变化趋势不明显；

2)庐山雨凇景观具有明显的年际、年代际变化周期，年际变化为2～4年及6年左右，年代际变化周期均12～14年；

3)气温对雨凇天气的形成影响最大，垂直温度结构次之，其中气温以日最低气温(Tn)及日平均气温(TT)最关键，垂直温度结构因子中850 hpa左右的逆温影响更明显。

4)当Tn<4.0 ℃、TT<0 ℃、Tm<8.5 ℃、RH>95%、RR>5 mm、VV<2.5 m·s-1时，气象条件有利于庐山雨凇的出现。

5)借助于雨凇概率显著变化的临界点建立庐山雨凇景观的日预测模型，能有效提高对庐山雨凇判断的准确率。

6)先是统计分析庐山雨凇的气候变化特征，并分析了有利于庐山雨凇发生的气象环境条件，并借助雨凇概率显著变化的临界点建立了准确率较高的庐山雨凇日预测模型，为旅游气象服务的发展提供一定的技术支持。