简 俊, 余民军, 石明亮, 陈金海
(1. 大连海事大学 航海学院, 辽宁 大连 116026; 2. 集美大学 a. 航海学院;b. 船舶辅助导航技术国家地方联合工程研究中心, 福建 厦门 361021)
在气象学上,强对流天气是指发生在中小型尺度的天气系统中的天气,水平尺度一般小于200 km,具有发生突然、移动迅速和破坏力强等特点。[1]强对流天气出现时,常伴有雷暴、短时大风和冰雹等现象。[2]短时大风具有时空尺度小、发展速度快和持续时间短等特点,预测难度较大,是世界性难题。近年来,已发生多起由短时大风导致的中小型船舶事故,造成重大人员伤亡,航运界对其短时预报预警有迫切需要。
降水类型包括大尺度降水(Large-Scale Precipitation,LSP)和对流降水(Convective Precipitation,CP)。LSP一般是由层状云稳定抬升造成的,往往不伴随短时大风;CP在大气层结不稳定条件比较适合时,如遇到低层切变线、低压等触发机制,常伴有短时大风。
2015年6月1日21:00—22:00时,“东方之星”轮受湖北监利县的小尺度强对流伴随大风天气的影响,在大马洲水道瞬间翻沉,造成442人遇难。[3]国务院调查组对该事故调查得出的结论是,“这是一次突发、罕见的强对流天气带来的强风暴雨袭击导致的特别重大灾难性事件”。[4]2018年6月13日,青岛港出现12级暴风雨天气并伴有冰雹,导致现场两名人员受伤,造成直接经济损失将近2亿元。2018年7月5日,泰国普吉岛附近海域突遇特大暴风雨,导致游船倾覆,47名中国游客丧生。[5]
这3起事故的外部诱因都是突发恶劣的强对流天气,并伴随短时大风,其危害极大,因此提升预报预警能力尤为重要。我国学者对此开展了很多研究。例如:肖高翔[6]针对强对流天气监测预报预警工作中存在的问题,对技术的进展和发展前景作简要分析;张小玲等[7]指出我国已初步实现对雷暴、短时强降水、雷暴大风和冰雹的监测预警及72 h内的潜势预报,但对龙卷等小尺度强对流天气尚不具备监测和预警能力;尤焕苓等[8]和程宏林等[9]阐述包括强对流天气在内的几种主要气象要素对水上交通的危害,并提出相应的预防对策;毛以伟[10]回顾“东方之星”轮倾覆事件中的气象服务工作,指出“目前的预警技术无法对局地性很强的风力做出精确预警,为弥补预警技术不足,强化服务技巧很有必要”;刘大刚等[11]通过深入调研指出,国内海事气象保障服务存在着精细化程度不够、缺乏深度开发和可视化服务产品等问题。
目前,用于监测预警强对流天气的雷达数据和数值预报模式产品还不具备对小于网格时间空间尺度的强对流天气(特别是短时大风)进行预报的能力。本文通过探索数值预报产品中的不同变量与导致重大海事事故的短时大风之间的关系,试图间接预警短时大风。
数值天气预报是一种预测未来一定时段内的大气运动状态和天气现象的方法,目前已被很多国家采用。本文采用的预报资料来自于可靠性较高的欧洲中期天气预报中心(Europecm Center for Medium-Range Weather Forecasts, ECMWF)确定性中尺度数值预报产品,空间分辨率为0.5°×0.5°,时间步长为6 h,提前量最长10 d。此款产品包含多种变量,其中,与近地面风速相关的变量为离地面10 m处纬向风(10U)和经向风(10V),与降水相关的变量为LSP和CP。
船舶自动识别系统(Automatic Identification System, AIS)能自动接收船舶信息,实现船舶识别、监视和通信等功能。[12]本文结合“东方之星”轮最后一个航次的AIS船位资料和失事时的气象数据,分析典型事故与天气的成因关系。
本文使用的降水数据来自于国际标准站点逐日降水网格数据集,时间分辨率为24 h,空间分辨率为0.5°×0.5°。[13]
1) 就全球而言,CP多发生在低纬度地区,特别是赤道地区;就“东方之星”轮事故发生地而言,对流并伴随大风的天气四季都有,其中春季居多,夏季次之。[14]
2) 就船舶而言,降水对不同吨位船舶的影响差异不大;然而风却不同,由于小吨位内河船舶的抗风能力较差,因此,强对流降水伴随的短时大风对其影响更大。短时大风作用在船舶上的风速和风向时刻都在变化,当风压倾侧力矩大于船舶最小倾覆力矩时,船舶会因进水而倾覆。[15]另外,对于内河船舶而言,航行中遭遇大风会导致船舶漂移,特别是慢速船舶或空载船舶受到的影响更大,有时会造成船舶偏离航线,严重时会造成搁浅、碰撞事故。
关于短时大风预报,需考虑以下问题:
1) 强对流天气常伴随雷暴、短时大风等灾害天气,但灾害天气并非一定伴随出现,本文仅探讨短时大风预警对“伴随有强对流天气”灾害天气的实现可能性。
2) 直接预报次网格短时大风在提前量和精确度上往往效果不佳,本文重点从间接预报的角度解决这个问题。
研究发现:绝大多数数值天气模式产品中的LSP和CP变量都是分别计算、输出和存储的,为单独采用CP变量进行分析提供可能。
数值天气模式中的CP变量直接来自于积云对流参数化方程的计算结果,从天气动力学和数值天气模拟理论的角度看,CP变量较其他模式输出变量更能体现对流天气的强度。本文提出通过分析数值模式产品中的CP数据来反演中小尺度强对流天气强度的设想,从而为沿海和内河的中小型船舶间接提供区域短时大风预警。为此,对“东方之星”轮航行过程中沿途的对流降水预报结果进行时序分析。
“东方之星”轮沉船事件是一起与恶劣天气相关的典型灾害性事件。根据湖北省气象局监利站天气实况监测数据,2015年6月1日21:00—22:00该地区的降雨量达64.9 mm[10],1 h内的降雨量就达到暴雨级别,且在同一站点测得的最大风速仅有10.2 m/s(5级风)。[16]因此,仅靠零星的传统气象站点很难观测到短时大风,更别提在此基础上做出准确预报。
“东方之星”轮沉船事件发生前后的卫星红外云图及降水量分布见图1。据卫星和雷达监测资料分析,6月1日16:00开始,湖北中部偏南地区开始有对流云团生成,并向东略偏南方向移动,21:15—21:55该对流云团发展到最强盛阶段(见图1a)[4];使用站点降水网格数据绘制的6月1日08:00—2日08:00的累计24 h降水量见图1b。图1中的航迹为“东方之星”轮最后一次航行的航迹,左端浅色标记是船沉位置。由图1可知:24 h累计对流降雨量最大值超过60 mm(最大值为68.7 mm)。
在整个航行过程中,由于“东方之星”轮的行驶速度和记录时刻均不是均匀分布的,因此采用滑动平均使之成为等间隔(每10 min)的数据,公式为
Ft=(At1+At2+At3+…+Atn)/n
(1)
式(2)中:At1,At2,…,Atn为每10 min之内的数据;n为数据的个数。对每10 min对应的船舶平均所在位置,用时空插值法求出数值天气产品中提前量为0~24 h、24~48 h和48~72 h的预报数据。对时间序列采用的是一维的线性插值,即把每天0 h,6 h,…,24 h所对应的数据插值成0 min,10 min,…,1 440 min对应的数据,公式为
(2)
式(2)中:(x0,y0)和(x1,y1)为已知数据;x为区间[x0,x1]上任意一点。
a) 卫星红外云图
b) 全球站点降雨数据集24 h累计降水量
通过对空间插值来求出不同船位对应的预报值,通过试验多种插值方法挑选出其中最优的方法,即克里金插值法。克里金插值法公式定义为
(3)
(4)
c(h)=E[z(x)z(x+h)]-m2
(5)
(6)
式(6)中:c(xi,xj)为协方差;μ为拉格朗日乘数法中的系数。式(6)也可通过矩阵形式表示为
(7)
故λi可通过矩阵求逆解出。
“东方之星”轮最后一个航次的风速预报结果见图2。由图2可知:事故发生前后,虽然风速预报量均出现不同程度的相对增加,但绝对数值远小于实际情况,提前24 h、48 h和72 h的风速预报值分别小于3 m/s、4 m/s和6 m/s,只有微风级。然而,国务院事故调查报告显示:事故发生时船位处瞬时极大风力达12~13级,即超过30 m/s,达到台风级别。通过以上分析可知:仅依靠数值模式中的近地面风速变量并不能预报出小于网格尺度的突发性短时大风。图2中“东方之星”轮最后一个航次上3种提前量下的近地面10 m风速预报值虚线时刻出现强烈的短时大风,“东方之星”轮也是在此期间倾覆的。
图2 “东方之星”轮最后一次航程的风速预报结果
“东方之星”轮最后一个航次上的CP和LSP预报值变化趋势分别见图3和图4,实线、虚线和点线分别表示提前量为24 h、48 h和72 h的降水预报结果。提前24 h预报的 “东方之星”轮失事时刻所在时间段(即2015年6月1日20:00—6月2日02:00)的CP和LSP水平分布场见图5。
图3 CP预报变化趋势
图4同图3,但显示LSP的预报值。由图3和图4可知:“东方之星”轮5月28日起航不久就经历了一次降雨过程,既有CP也有LSP,相对而言,提前24 h的预报结果比较和缓,并没有出现剧烈波动。之后一直无雨,但对于6月1日10:00—21:30这段时间,提前24 h、48 h和72 h的CP预报结果均出现先突然增大后突然减小的趋势。图3中实线框部分表示的是船舶发生事故时段(20:00—22:00),正是在此期间出现强烈的降水并伴随短时下击暴流和大风天气导致船舶在1 min多的时间内即颠覆;相比而言,图4中同一时间段的LSP值极小,几乎可忽略不计。在图5的提前24 h降水预报水平分布场中,“东方之星”轮失事前后6 h内,LSP值虽然总量更大、更接近实测值,但最大值出现位置与“东方之星”轮航迹距离偏大、直线距离超过250 km,而CP预报最大值虽然强度偏小,发生位置却紧贴航迹。因此,认为“东方之星”轮失事之前的CP预报变量对短时大风具有一定的预警作用,同时表明LSP与短时大风的出现没有明显的关系。
图4 LSP预报变化趋势
相对于提前24 h预报,提前量为48 h和72 h的CP预报效果不显著,虽然降水量变化趋势是先增大后减小,但无论是降水量的幅值方面,还是降水量增大及减小速度方面,均存在严重不足,对流降水变化不很明显,说明出现短时大风的可能性不是很大,即使预警出现短时大风(48 h预报短时大风出现时间段为18:00—20:00,72 h预报短时大风出现时间段为12:00—14:00),也与短时大风实际出现的时间段存在一定的偏差。
由图3可知:在“东方之星”轮失事时,提前24 h的CP预报值变化趋势非常明显,而且数值从突然变大到减小的时间很短,这种变化趋势与当时实际突发大风的情形很吻合。因此,对CP变化率与短时大风的关系进行检查,将提前24 h预报的CP散点值运用多项式及高斯函数拟合后再进行微分得到的导数,用于表达CP的变化率(见图6)。由图6可知:在“东方之星”轮最后一个航次中,只有提前24 h的CP变化率在船舶沉没前后出现一个明显的尖刺波形,类似心电图中RS波的信号,而正是在此时间段突发短时大风。这也许表明CP变化率相比其数值本身,能更好地预警短时大风的出现,不过还需考虑更多的案例。
a) CP预报
b) LSP预报
图6 “东方之星”轮最后航次上的CP预报值变化率
针对上述青岛港和泰国普吉岛海域发生的重大海事事故,本文运用相同变量进行简单的验证,由于缺乏现场观测数据,没有进行更精细化的分析。在风速预报图(略)中,青岛港和普吉岛附近海域在事件发生前后均没有出现9 m/s(5~6级)以上大风,这与实况相差甚远。青岛港强风事件发生时的CP值(虚线)变化率和LSP值见图7。由图7可知:提前24 h预报的CP变化趋势更明显,同时CP变化率出现一个明显的尖刺波信号,而事发前后LSP数值基本上可忽略不计。事发前后CP和LSP的预报水平分布场也证实这一结论。
图7 青岛港2018年6月中旬强对流事件附近的CP和LSP预报结果
普吉岛沉船处的3种提前量下的降水预报见图8。由图8可知:在事件发生前后,提前24 h的CP预报值出现对应的突然增加趋势。但是,该增加趋势是否可作为该处的短时大风预警因子还有待商榷,主要原因是热带地区的降水本来就以对流为主,发生时的雨季更是每天都有积云降水;从预报结果也可看出,事发时每天都有CP降水,当日的CP数值也并非最大。另外,在数值天气模拟工作中,一般认为热带地区的积云对流物理及数值参数化方案应当是与温带地区明显不同的,不能把温带地区的发现直接应用到热带地区。因此,热带地区是否能应用CP数据进行短时大风预警尚需进一步研究。
a) CP预报值结果 b) LSP预报结果
本文主要分析“东方之星”轮沉船前后的天气实况,提出可通过分析中尺度数值天气模式预报产品中的CP变化率来间接预警伴随强对流天气的次网格短时大风的可能性,通过重现“东方之星”轮最后一次航行期间沿途短时强对流天气预报,验证其可能性,并通过其他2次事件加以验证。研究结果表明:就此次沉船事件发生时的天气预报来看,提前24 h预报CP数据变化的急增趋势较提前48 h和72 h更明显,或者说预报效果最显著,预警出短时大风的可能性更大;同时,LSP变量与短时大风的出现几乎没有关系。
由于首次采用该方法研究短时大风预警,还有许多内容有待研究。例如:当Cp的大小出现明显变化时,是否一定预示此时会出现短时大风,即未对短时大风具体出现的时间进行分析;Cp持续时间更短(即降水量突然变大到突然消失的时间更短)是否表明短时大风的强度更大,有待进一步考究。在未来的工作中,会继续增加预报提前量,开发算法对提前48 h和72 h的数据进行修正,力争更早发出预警,从而及时做出相应的应对准备。