重庆山地通量观测及其不同时间尺度变化特征分析

杜钦，高阳华，黄静，高松

(1.重庆市气象科学研究所，重庆401147；2.西南大学，重庆400715)

引言

通量观测是认识气候系统各圈层相互作用的重要桥梁(许小峰，2020)。无论是对生态系统、气候系统还是大气运动的研究，通量都是最重要的基础信息。陆地作为大气系统的下边界，与大气及其他圈层之间进行的各种时空尺度的物质能量交换过程，直接影响局地乃至全球大气环流和气候的基本特征(Dirmeyer，2006；王健等，2018)。湍流运动是大气边界层内的重要运动方式，也是下垫面与大气能量与物质输送交换的主要载体。大气运动所需要的热能及水汽通过边界层的湍流运动由地表输送到自由大气，给大气运动提供所需要的热能和水汽；同时，地表的热量通量及动量通量又决定了边界层内湍流及扩散的强度和稳定度，并且控制着风、温度和湿度的变化(翟国庆和高坤，1997；徐详德等，2001；孙睿，2003；蔡斐和潘益农，2010；曾新民等，2014；刘鹏，2016；李茂善等，2019)。可见，地表通量是陆-气相互作用的关键因子，开展地表通量观测，对于准确地确定地气之间的通量特征，帮助理解天气气候现象显得尤为重要。

国内外针对地表水热通量的研究展开了大量的科学实验，并取得一定成果。例如在法国的HAPEX-MOBILHY(1986)实验(Thomas，1991)，在美国的FIFE(1988，1990)实验(Sellers，1988；Bolle，1993)、在巴西的LBA(1998—2000)实验(Avissar，2002)，在我国的HEIFE(1988，1990—1992，1994—1995)实验(胡隐樵，1994；林朝辉，2001)、TIPEX(1997，1998，2014—2017，2018—2021)实验(马耀明，2000；赵平，2018)。四川盆地及其东部和南部的山区不仅是盆地内涡源地之一，也是低涡切变线型极端小时降水高发区(吴梦雯，2019)。目前，针对该区域的暴雨与地表通量之间的相关研究主要通过数值模拟的手段展开(毕宝贵等，2005；段海霞，2008；卢萍和宇如聪，2008；母灵，2014；吴秋月，2018)，这些研究表明地表通量的变化对于暴雨的强度、落区、发生时间有着密切的关系，但是缺乏相关的实况观测来帮助进一步解释和理解地-气之间的能量交换对暴雨的触发机制。鉴于该区域的降水的复杂性和突发性特点，依托西南大学在重庆北碚和金佛山建成的喀斯特生态系统野外观测站，2019年重庆市气象科学研究所开展了山地通量观测和山地降水相关研究。为了了解该试验观测数据的可靠性和适用性，本文基于试验观测数据，结合ERA5再分析资料、邻近气象观测数据分析了该数据的可靠性，并对该资料的不同时间变化特征进行分析，以期为该数据在后续研究应用中提供参考。

1 观测与数据处理

1.1 观测试验

喀斯特生态系统野外观测站包括三个涡动通量观测站和自动气象观测站，其分布如图1 所示。通量观测仪主要由数据采集器，超声风速仪、气体分析仪组成，详情见表1。仪器采样频率为10 Hz，由数据采集器自动存储10 Hz 原始数据，观测系统工作时在线计算通量，并存储30 min 的各类通量数据，其中感热和潜热通量数据精度保留小数点后5 位，动量通量保留小数点后8位。

图1 四川盆地周边通量观测站分布图Fig.1 Distribution of flux observation stations around Sichuan basin.

表1 三个通量观测站基本情况及观测设备信息Table 1 Equipment information of flux observation stations.

1.2 数据来源

文章所用数据包括：(1) 通量站的通量观测数据(潜热通量、感热通量和动量通量，时间分辨率30 min)和通量自动气象站的观测数据(温度、气压、相对湿度、风速，时间分辨率10 min)。(2)通量站邻近15 km范围内的自动气象站观测数据(气温、降水、气压、相对湿度和风速，时间分辨率1 h。(3)欧洲中期天气预报中心(ECMWF)的ERA5-Land 的0.1°×0.1°逐小时再分析资料中的气温、降水、露点温度、10 m 高度u/v风速、感热通量和潜热通量。

1.3 数据处理

1.3.1 通量观测数据处理

先将通量观测数据和通量站的自动气象观测数据进行整理，剔除异常值，再提取整点的数据作为该时刻的小时通量观测数据。数据统计按50%的比率判定是否缺测，即若某日的小时数据缺测率超过50%，则该日值记为缺测；若某月的日数据缺测率超过50%，则该月值记为缺测；分别记3—5月、6—8月、9—11月和12月—次年2 月为春夏秋冬四季，若某季缺测日超过50%，则该季值记为缺测；若某月内某小时数据缺测率超过50%，则该月该时次的小时均值记为缺测。

1.3.2 ERA5数据的处理

从ERA5格点数据中采用距离权重系数插值方法将格点资料插值到站点上，根据露点温度和温度计算相对湿度，根据水平u、v风速计算风向和风速，将感热通量、潜热通量和降水的累积值转换为小时值，并剔除异常值。

2 通量观测可靠性和适用性分析

为了解地表通量实况观测数据的可信度以及能否用于山地降水研究，以2019年“4.19”重庆西部暴雨为例，选取2019 年4 月18 日00：00—22 日23：00(北京时，下同)为统计时段，其中主要降水时段为4 月19 日12：00—21日08：00。通过计算通量站的实况观测与邻近气象站、ERA5 再分析资料相同观测要素之间的相关性，分析通量观测数据的可靠性。

2.1 通量观测的可靠性分析

2.1.1 通量自动气象站观测与邻近气象站观测对比

由于通量自动气象观测站的降水数据不准确，能否采用邻近气象自动观测站的降水参与研究成为首要解决的问题。从表2 中可见，所有邻近气象站的温度、相对湿度、气压和85%以上邻近气象站的风速均通过0.05显著性检验，说明通量观测站与邻近自动气象观测站有相似的地面气象背景，可以考虑以邻近气象站小时降水代表通量站的降水。

表2 相关系数通过0.05显著性检验的站点与邻近总站数的比率Table 2 The ratio of stations with correlation coefficient passing 0.05 significance test.

2.1.2 与ERA5再分析数据的对比

商桥东岳庙内，有清顺治年间庙载碑文：“南临颍水，清流屈曲，巢文许由之风犹有存焉。绿柳垂丝，红花夹岸，风帆上下，鱼跃鸟飞。”可见当时水上风貌。家乡当时的繁华亦可见一斑。

近年来欧洲中心提供的ERA5再分析资料被广泛应用于各种研究，证明了其可靠性。将通量实况观测与ERA5 再分析资料进行对比，可从侧面反映出通量观测的可靠程度。计算两种资料的感热、潜热通量和小时降水相关系数，其中通量观测的小时降水由邻近站的小时降水均值代替。从表3可知，在无降水时，两种通量观测数据相关性较好，在有降水时，相关性明显降低，甚至没有通过显著性检验，说明降水发生期间，ERA5 资料与实况观测有着较大的差别。这两种资料谁更为可信呢？图2为降水时段内虎头村站的感热通量和潜热通量与ERA5 的时序图。从图中可见，在ERA5 的感热通量在降水时段主要表现为正值，即地面对近地层大气主要表现为持续的加热过程，而实况观测则显示，在降水发生时段，感热和潜热通量均存在着正负交替变化的现象，说明随着降水的发生，当降水落到地面之后，地表温度迅速降低，地面对大气的加热逐渐转为对大气的冷却过程，同时，地面的水汽由蒸发转为凝结过程，而随着降水的减弱或暂停，由降水带来的地表降温幅度减小，地表温度缓慢回升，地面对大气的作用又逐渐从冷却过程转为加热过程和由凝结过程转为蒸发过程，为下一次降水过程的出现提供水热能量。说明实况观测较ERA5数据更能反映降水时地面水热通量实际演变情况。表3说明槽上站和虎头村站的降水用邻近站平均降水代替的方法是可行的，而金佛山站降水相关性不明确，可能与邻近气象站数较少有关。

2.2 通量观测的适用性分析

通过前面分析可知，降水期间三站的通量观测数据比ERA5更能反映本地通量的实际演变情况，那么，这些数据能否用于山地暴雨的研究，与常规气象观测要素有是否有显著相关性？下面将从以下几个方面展开分析。

2.2.1 感热通量与常规气象要素的相关性分析

地表感热通量主要取决于风速和地气温差，一般风速和地气温差越大，感热通量越大。从表4可见，槽上的感热通量与所有站的温度为正相关，与相对湿度为负相关，与大部分站点的风速为正相关；虎头村站与槽上站类似；说明两站感热通量的增大伴随着环境温度增加、环境相对湿度下降和局地风速的增加；而槽上和虎头村站的感热通量与近一半左右站的降水为较弱的负相关；金佛山站的感热通量与风速为负相关，其原因有待后续研究。

表3 ERA5再分析数据与通量观测数据的相关系数Table3 The correlation coefficients between fluxes in ERA5 and observations at flux stations.

图2 虎头村站的感热通量(a)和潜热通量(b)与ERA5的时序图Fig.2 (a)Time sequence diagram of sensible heat flux and(b)latent heat flux of flux observations at Hutoucun and ERA5 data.

表4 槽上、虎头村、金佛山三站感热通量与气象要素的相关系数表Table 4 Correlation coefficient between sensible heat flux and environmental meteorological factors.

2.2.2 潜热通量与环境气象要素的相关性分析

地表潜热通量主要取决于风速以及地表和大气的湿度差异，当陆地表面温度越高时，蒸发也越强。从表5 可见，槽上站的潜热通量与所有站的温度为正相关，与相对湿度为负相关，与部分站点的风速为正相关，与部分站点的降水为负相关；虎头村站的潜热通量与降水没有明显的相关性，其他要素相关性与槽上站类似；金佛山站的潜热通量与所有站的温度也为正相关。说明潜热通量的增加，伴随着环境温度的增加、相对湿度减小和局地风速的增加。

表5 槽上、虎头村、金佛山三站潜热通量与气象要素的相关系数表Table 5 Correlation coefficient between latent heat flux and meteorological elements.

2.2.3 动量通量与环境气象要素的相关性分析

表6 槽上、虎头村、金佛山三站动量通量与气象要素的相关系数表Table 6 Correlation coefficient between momentum flux and meteorological elements.

2.2.4 通量增量与降水的相关性分析

为了更进一步了解地表通量与降水之间的关系，分别计算三种地表通量增量与邻近气象站小时降水在有降水时的相关系数。由表7可见：槽上站的感热通量和潜热通量增量与局部降水为负相关，动量通量与局部降水为正相关；虎头村站的感热和潜热通量增量与个别站降水有相关性，动量通量与局部降水为正相关；金佛山站的感热、潜热和动量增量与个别站降水有相关性。

表7 有降水时三站通量增量与降水的相关系数Table 7 Correlation coefficient between flux increment and precipitation in precipitation period.

3 地表通量的不同时间尺度变化特征

通过上述分析可知，重庆山地通量观测数据与降水等气象要素存在着一定的相关关系，该观测数据是可信的，特选取2019年1月1日00时—2020年2月29日23时的通量观测数据，进一步分析重庆山地通量的不同时间尺度变化特征。

3.1 地表通量季节变化特征

地面与大气之间的热量交换，主要通过直接加热或冷却大气，陆面蒸发或凝结的过程来实现，而在加热/冷却或蒸发/凝结的同时，能量的传输则由动量通量来实现。潜热通量的正/负值表示地面水汽有蒸发/凝结过程；感热通量的正/负值表示地面对大气有加热/冷却过程；动量通量值的大小反应了湍流运动的强度，即陆面与边界层大气之间能量交换的强度。表8为2019年度三个通量观测站的潜热通量、感热通量和动量通量的季节值。从表中可见，三种通量的季节均值均为正值，说明在季节上地面对大气主要表现为加热和蒸发作用。在潜热通量的季节变化中，三站均表现为夏季最大，冬季最小，说明夏季降水最多，地面水汽蒸发量最大，而冬季降水最少，地面水汽蒸发量最小。在感热通量的季节变化中，槽上站和虎头村站表现为夏季最大，冬季最小，金佛山站表现为春季最大，冬季最小。黄珊等(2020)通过ERA5 再分析资料得到西南地区春季感热通量比夏季大，而潜热通量则是夏季大，春季小的结论，此次观测试验数据也表明三站的潜热通量以及金佛山站感热通量的季节变化与该研究结果一致。在动量通量的季节变化中，三站均表现为春季最大，冬季最小，说明春季湍流运动最强而冬季最弱。

表8 2019年三个通量站的通量观测季值Table 8 Seasonal mean of flux observations at flux stations in 2019.

标准差又称标准偏差，主要反映观测要素相对于均值的偏离程度。从表9 中可见：动量通量春季波动最大，潜热通量和感热通量夏季波动最大，三站其他季节的通量波动各有所不同。

表9 2019年各通量站的通量观测季标准差Table 9 Seasonal standard deviation of flux observations at flux stations in 2019.

3.2 地表通量逐月变化特征

图3为三站的三种通量在2019年1月—2019年12月的逐月时序图。表3为三站之间各通量的相关系数，均通过0.05显著性检验。从图表中分析可知：在月尺度上水热通量均为正，说明地面对大气的作用依然表现为增温和蒸发作用为主，三站的月变化总趋势较为相近，虎头村站的动量通量和感热通量的月变化与槽上站更相似，其潜热通量月变化趋势与金佛山站更相似。说明尽管虎头山和槽上站地理位置相近，其下垫面差异是导致两者潜热通量差异较大的主要原因。

图3 槽上、虎头村、金佛山通量观测站潜热通量(a)、感热通量(b)、动量通量(c)的逐月变化Fig.3 Monthly variation of(a)latent heat flux,(b)sensible heat flux,and(c)momentum flux observed at Caoshang,Hutoucun and Jinfoshan.

表10 槽上、虎头村、金佛山通量观测站各地表通量月均值相关系数表Table 10 Correlation coefficient of monthly mean surface fluxes among observations at Caoshang,Hutoucun and Jinfoshan.

3.3 地表通量小时均值日变化特征

从表11 可知，三种通量主要表现单峰型，即白天湍流活动强，地面对大气主要表现为加热和蒸发过程，而夜间湍流活动减弱，地面对大气主要表现为冷却和凝结过程。其中，金佛山站的动量通量在春、夏、秋季表现为双峰型，说明该站在夜间出现了湍流增强现象，较其余两站有所不同。另外，不同站的各通量在不同季节出现的峰值时间也不完全一样，说明地表通量的局地特征明显，其差异原因有待进一步分析。

表11 通量日变化在各季的正值区和峰值时间Table 11 Positive value period and peek time of flux diurnal variation in each season.

4 结论与讨论

本文以重庆西部暴雨为例，讨论了重庆山地通量观测资料的可靠性和适用性，在此基础之上对2019年度通量观测的季节和日变化特征进行了统计分析，得到以下主要结论。

(1)通量站与邻近气象站具有相似的气象背景，通量观测比ERA5 再分析资料更能反映出地表感热和潜热通量在降水期间的时间演变情况，该数据是可靠的，通量站的降水可以用邻近站点平均降水代替。

(2)三种通量及其增量与温度、相对湿度、风速和降水均呈现出不同的相关关系，尤其是动量通量与降水、风速为正相关，感热和潜热通量与温度、风速为正相关，与相对湿度为负相关，槽上站的潜热和感热通量增量与局部降水为负相关，这些特征均表明通量观测可以用于该次暴雨研究中。

(3)感热和潜热通量的季节和月变化特征表明，地面对大气长期主要表现为加热和蒸发作用，动量通量的季节变化表明春季湍流运动最强而冬季最弱。其日变化特征显示潜热和感热通量以单峰型为主，即白天主要以增温和蒸发作用为主，夜间以冷却和凝结作用为主；动量通量以单峰型为主，即白天湍流活动较强，夜间相对较弱，只有金佛山站在春夏秋三季表现出双峰型，即在夜间会出现湍流活动增强的情况。

(4)文章仅用单个例来说明通量观测数据的可靠性和适用性，有必要后续进一步开展多个例和长时间序列的分析，夯实研究结果，另外可以结合数值模式，深入开展该次暴雨过程中，地面水热通量和动量通量在局地强降水触发机制方面的相关研究。

(5)文章研究表明三站的通量在不同时间尺度上的变化特征各有差异，有必要对其原因展开进一步研究。如何将通量观测用于数值模式相关参数化方案的订正，也是未来可以探讨的研究方向。

(6)通量站邻近相关站点的选择目前仅采用了简单的范围划分，并没有综合考虑各站气象观测要素的相关性，尤其是与降水有明显相关性的站点的单独筛选，因此后续可以扩展筛选范围，综合考虑各种气象因子来确定相关站点的筛选。