2009—2017年廊坊“倒降”温气候特征及气象背景条件分析

周玉都，刘淇淇，郭立平，霍彦峰

（1.廊坊市气象局，河北廊坊 065000；2.安徽省气象科学研究所，合肥 230031）

21世纪以来，在全球气候变暖的背景下，极端天气气候事件越发频繁［1-2］，气温，特别是易对身体健康造成影响和人们财产造成损失的极端天气温度受到关注.很多学者对我国乃至全球的气温做了大量的研究，如对全国或者是国内不同地区最高和最低气温的时空特征、大气环流特征、可预报性的研究［1-10］，不同区域的极端温度气候特征及可预报性的分析［11-16］，不同季节的气温、体感温度的预测与研究［17-19］，气温、极端气温数值预报产品的检验和误差订正［20-26］.然而，针对某一类极端气温的形成、分布状态及其与气象背景的关系、高空地面形势、可预报性方面的研究比较少［16］.“倒降”温对人们生产生活造成较大的影响，特别是对农、林、牧业，有时会造成重大的财产损失.因此，深入研究“倒降”温的特征和其生成的气象背景条件有助于了解气候温度的变化规律，为天气预报提供有效的参考依据.

1 资料与方法

资料来源于河北省廊坊市9个国家气象观测站资料（气象观测站分布见图1）和中国气象局通过CMA下发的MICAPS资料.分析时间序列为2009—2017年；气象上的日界是北京时间20时（下同），夜间是指20时—08时，白天是08时—20时，日最高温度、日最低温度是指一天中（20时—20时）温度出现的最高值和最低值.“倒降”温按最高、最低温度出现的时间可以分为3类：Ⅰ类最高、最低温度均出现在夜间；Ⅱ类最高、最低温度均出现在白天；Ⅲ类最高温度出现在夜间，最低温度出现在白天.一年分为4个季节，分别是春季（3—5月）、夏季（6—8月），秋季（9—11月），冬季（12月—翌年2月）.

2“倒降”温度分布特征

2.1 区域分布

图1给出了廊坊市国家气象观测站点及“倒降”温站次分布，“倒降”温的区域分布三河、大厂最少，香河最多（321站次），中南部分布相对均匀.Ⅰ类“倒降”温（图1 a）呈现出北少南多的区域变化特征；Ⅱ类（图1 b）除大厂外，呈北多南少的区域变化特征，大厂出现站数最少（75站次）；Ⅲ类（图1 c）中部和东部出现站次较多，其余地区相对较少.

图1 廊坊市国家气象观测站点及“倒降”温度类别站次分布Fig.1 Distribution of national meteorological observation stations and“reverse”temperature stations in Langfang

2.2 年际变化特征

2009—2017年廊坊，“倒降”温总站次随时间呈缓慢上升趋势（图2），2015年出现站次最多（477站次），2017年最少（351站次）.其中Ⅱ类“倒降”温随时间推移呈上升趋势，2015年最多（208站次），2010年最少（133站次）；Ⅰ类呈逐年上升趋势，Ⅲ类为逐年下降趋势.2014年之前，Ⅰ类“倒降”温出现的频次多于Ⅲ类，2014年之后情况相反.Ⅰ类“倒降”温2014年出现的站次最多，2015年出现最少；Ⅲ类2014年出现最少，2015年出现最多.

图2 2009—2017年廊坊“倒降”温度站次年变化Fig.2 Annual changes of“reverse”temperature stations in Langfang during 2009-2017

2.3 季节变化特征

2009—2017年廊坊“倒降”温出现总日数939 d，总站次3700站次，平均每个“倒降”温日有3.94站次.“倒降”温总天数冬季最多，占比34.5%；春季最少，占比17.36%.“倒降”温总站次秋季最多，占比26.35%；春季最少，占比21.78%.图3给出了不同类型“倒降”温站次的季节分布，其中Ⅰ类春季出现站次最多（358站次），秋季最少（180站次）；Ⅱ类冬季出现最多（498站次），春季最少（154站次）；Ⅲ类秋季最多（361站次），冬季最少（211站次）.

图3 2009—2017年“倒降”温站次季节分布Fig.3 Seasonal distribution of“reverse”temperature stations during 2009-2017

2.4 月变化特征

“倒降”温日数在1月、12月出现得最多（140、119 d），站次（图4）在1月和7月出现得最多（371、372站次）.Ⅰ类“倒降”温站次在4月出现最多，8月最少；Ⅱ类1月出现最多，3月最少；Ⅲ类7月最多，2月最少.“倒降”温的天数和站次月差异化较为明显.

图4 2009—2017年“倒降”温站次月分布Fig.4 Monthly distribution of“reverse”temperature stations during 2009-2017

3“倒降”温的气象背景条件

3.1 高空地面环流形势

500 hPa“倒降”温形势Ⅰ类、Ⅱ类和Ⅲ类（表1）占比排名前3位的均是脊前西北气流、平直西风环流和槽前西南气流，占比总和分别为91.59%、95.62%、97.27%，其中平直西风环流占比最高，Ⅰ类42.62%，Ⅱ类、Ⅲ类为52.79%和50.98%.这3种高空形势下“倒降”温的天气学成因是：脊前西北气流多出现在冬季，伴随着较强冷空气，一方面冷平流和地面较大的偏北风不利于白天升温，另一方面地面较大的风速不利于夜间降温；槽前西南气流前部有正的涡度平流，高空辐散造成低层辐合，配合低层的水汽辐合一般会产生降水，从而影响温度的升高或下降；平直西风环流易造成天空云量增多，不利于辐射升温和辐射降温，有时配合地面风场的辐合还可出现大范围的降水天气，对温度的影响也较大.

表1 500 hPa高空形势在“倒降”温中出现的站次和占比Tab.1 The number of stations and the proportion of the 500 hPa high altitude situation in the“reverse”temperature

地面形势（表2）Ⅰ类和Ⅱ类“倒降”温占比排名前3的是高压底部、回流、高压前部；Ⅲ类占比排名前3的是高压底部、回流、高压后部，其占比总和分别为63.03%、73.48%和73.83%.这种地面形势下的天气学成因是：高压底部和回流天气地面都伴有偏东风，不同之处是高压底部的偏东风造成地面辐合，向冀中地区输送少量水汽，天空云量增多，有时伴有降水，而回流伴随的偏东风是干冷空气从东北路径或偏东路径进入华北平原，大部分时候会有雨雪和大风天气出现.所以，高压底部和回流天气不利于夜间温度的降低，同时也影响白天温度的上升，地面高压前部的气压梯度较大时容易造成偏北大风或西北大风.另外，高压后部和低压易形成西南大风或偏南大风，风速的扰动对辐射升温和辐射降温有较大的影响.

表2 地面形势在“倒降”温度中出现的站次和占比Tab.2 The number of stations and the proportion of the ground situation in the“reverse”temperature

为了进一步研究环流形势对温度的影响，统计了21种高空地面配置出现的站次和占比（表3），不同的高空地面配置对最高、最低温度的影响程度是不同的；Ⅰ类、Ⅱ类和Ⅲ类高空地面配置占比大于5.0%的分别有7种、6种、6种配置，它们的占比总和分别是58.35%、60.47%、61.72%.其中，1、2、4的高空地面配置在3种类型中占比均高于5.0%，Ⅰ类和Ⅱ类、Ⅲ类分别有5种、4种高空地面配置是相同的，Ⅱ类和Ⅲ类有4种是相同的，可以对“倒降”温度的预报提供较为有利的参考依据.

表3 高空地面环流配置在各类“倒降”温中出现的站次和占比Tab.3 The number of stations and proportion of high altitude ground circulation configuration in various“reverse”temperatures

3.2“倒降”温风的分布特征

日最大风速出现频率最高的风向是偏北风和偏东风（图5），其中Ⅰ类、Ⅲ类“倒降”温以偏东风频率最高，偏北风次之；Ⅱ类以偏北风频率最高，偏东次之.统计Ⅰ类、Ⅱ类和Ⅲ类风向WNW顺时针到ESE分别占统计样本的79.73%、76.57%、85.84%，其中最大频率风向分别是E、NNE、E，分别占统计样本的14.8%、12.49%、16.50%.Ⅰ类、Ⅱ类和Ⅲ类“倒降”温日最大风速、风力分布主要集中在2～5级，占比分别为89.26%、89.66%、89.11%，其中3级风力所占比例最大，为33.84%、33.79%和44.97%.“倒降”温多出现在偏北风-偏东风之间，这和前文中地面形势有较好的对应关系，也是“倒降”温预报的重要指标之一.

3.3“倒降”温度相对湿度的分布特征

图6“倒降”温日平均相对湿度频率直方图、核密度估计、正态分布图Fig.6 Frequency histogram，kernel density estimation and normal distribution diagram of“reverse”temperature daily average relative humidity

Ⅰ类“倒降”温日平均相对湿度的核密度估计分布呈双峰型结构（图6 a），峰值分别在20%和90%附近；从区间分布上看（表4），日平均相对湿度在10%～30%的比例为24.03%，80%～100%的比例为29.97%，相对湿度在60%左右，占比最少，达到了谷底.Ⅱ类“倒降”温呈单峰型结构（图6 b），峰值在80%附近，相对湿度在80%之前随着湿度的增加占比增加，之后随着湿度的增加而减少，日平均相对湿度在70%～90%的比例是48.03%.Ⅲ类“倒降”温呈双峰型结构（图6 c），两个峰值分别为20%、80%～90%，其中10%～30%的比例为9.48%，70%～100%之间的比例为61.68%，相对湿度在40%左右是占比最少，达到了谷底.Ⅰ类、Ⅱ类“倒降”温相对湿度核密度估计共同点是双峰型结构，在相对湿度较小（20%附近）存在一个峰值，这是地面偏北风造成的，较强冷空气南下伴随大风、寒潮天气时会出现最高温度在夜间的Ⅰ类和Ⅱ类“倒降”温天气，另一个峰值出现在80%～90%，高湿的条件容易造成雾、霾、降水等天气，不利于温度的升高或降低.

表4 各类“倒降”温日平均相对湿度区间分布Tab.4 Interval distribution of average relative humidity of various“reverse”temperatures单位：%

3.4“倒降”温伴随的天气现象

“倒降”温天气现象中降雨和轻雾出现的比例最高（表5），Ⅱ类和Ⅲ类“倒降”温天气降雨和轻雾出现的比例均超过50%，Ⅲ类出现的降雨比例高达71.39%，Ⅱ类出现降水的比例为50.60%，这两类天气情况最低温度都出现在白天，降雨易造成白天温度上升缓慢，甚至下降.Ⅲ类“倒降”温天气降雨、雨夹雪和雪的总占比为88.96%.从雾、轻雾、霾占比来看，轻雾出现的占比最高，Ⅱ类和Ⅲ类“倒降”温天气情况轻雾出现的比例均超过50%，其中Ⅱ类最高达（59.58%）.总体而言，“倒降”温出现时最易伴有降雨或轻雾，其次是雾或雪等天气现象.

表5 各天气现象在3类“倒降”温中出现的比例Tab.5 Proportion of various weather phenomena in the three types of“reverse”temperature单位：%

3.5 850 hPa 24 h变温分布特征

850 hPa 24 h变温的频率直方分布、核密度估计和正态分布密度呈“单峰型”结构（图7），核密度估计峰值在-5～-4℃，有较为明显的负变温.3种“倒降”温变温平均数（表6）分别为-3.1、-3.4、-5.2℃，中位数分别为-3.3、-2.8、-4.6℃，24 h负变温占比分别是87.43%、82.60%、92.29%.说明“倒降”温一般高空伴随有冷空气入侵，并且Ⅲ类“倒降”温出现时，冷空气的强度更强.

图7 不同类别“倒降”温850 hPa 24 h变温频率直方图、核密度估计、正态分布图Fig.7 Frequency histogram，kernel density estimation and normal distribution diagram of 850 hPa 24-hour variable temperature

表6 不同类别“倒降”温850 hPa 24 h变温平均数、中位数和负变温的占比Tab.6 Average，median and proportion of less than zero of 850 hPa 24-hour variable temperature

4“倒降”温出现时的判据分析

为了更好地分析倒降温出现的条件，使用“配料法”找出“倒降”温出现时的判据，分析高空形势、地面形势和气象要素等19种条件（表7），从每种条件下“倒降”温出现的站次和比例中研究其充分性和必要性.

表7中“倒降”温出现站次与“倒降”温出现总站次之比排名前3的是“气象背景条件”编号中的9、19、2.结合“出现站次与总站次之比”、“出现站次与气象背景总站次之比”，筛选有利于“倒降”温出现的组合，再考虑气象背景条件之间的相互影响，挑选不定个数的气象背景条件进行组合，根据组合条件检索符合气象背景条件的站次和符合气象背景条件并出现“倒降”温的站次.结果显示，当高空为脊前西北气流，地面是高压前部、高压后部、变性高压时（表8），“出现站次与总站次的比例”为16.33%，“出现站次与气象背景总站次比例”为18.45%.如果同时风力大于4级，则出现站次与气象背景总站次的比例达33.02%，再加入“气象背景条件编号”11，则出现站次与气象背景总站次比例提高到48.77%，即100次符合此种组合的气象背景条件，至少有48次“倒降”温的发生.

表7 不同气象背景条件下“倒降”温出现的站次和占比Tab.7 The number of stations and proportion of“reverse”temperature under different weather background conditions

高空为500 hPa平直西风环流、槽前西南气流、横槽，地面是高压底部、回流、倒槽时（表8），出现站次与总站次的比例为52.06%，出现站次与气象背景总站次比例为15.57%；风向为N、NNE、NE、N、NNE、NE时，出现站次与总站次比例为42.15%，出现站次与气象背景总站次的比例提高到16.22%，如果风力是2、3、4级时，则出现站次与气象背景总站次比例为39.28%，出现站次与气象背景总站次比例提高到17.13%.另外，气象背景条件中编号13、14也可提高出现站次与总站次的比例以及出现站次与气象背景总站次的比例，加入气象背景中的编号19，更是将后者提高到43.33%，即100次符合此种组合的气象背景条件，至少有43次“倒降”温的发生.

表8 不同气象背景条件组合的“倒降”温出现站次和所占的比例Tab.8 The number of stations and proportion of“reverse”temperature under different weather background conditions

总体而言，“倒降”温产生的气象学模型分为3种：①高空为脊前西北气流，地面高压控制，近地面层相对湿度较小.由于地面气压梯度较大，造成较大的风速，对温度的上升或者下降有较为明显的扰动，此时一般为偏北风，且具有较为明显的冷空气南下，冷平流显著，不利于太阳辐射升温.②高空为槽前西南气流，地面为回流形势或高压底部或弱低压控制.这种高低空的天气形势会造成天空云量增多，伴随近地面层较大的湿度条件有时会有雾或轻雾出现，太阳辐射无法直接到达地面，不利于温度的升高.同时，地球长波辐射被云层折射回地面，不利于温度的下降.③高空地面配置与第二种情况类似，但是有明显的降水出现，白天温度上升缓慢甚至下降，造成白天气温比夜间更低，或者最低气温出现在白天的“倒降”温天气.

表7中不同的气象背景条件，按照其出现站次与气象背景总站次的比例分别给予不同的初始扰动值，带入2009—2017年历史资料，出现“倒降”温天气的记为“1”，没有出现的记“0”，用最小二乘法做多元线性回归，匹配出不同气象背景的系数，回归方程的输出结果在0～1之间（图8）.从表9能看出，回归方程有很好的指示性，分别包含未出现“倒降”温和出现“倒降”温80%时方程的阈值分别是0.562和0.456，它们之间有重叠的部分，分别包含未出现“倒降”温和出现“倒降”温75%时方程的阈值分别是0.502和0.511，这之间有空缺区间，取平均数0.507作为“倒降”温出现的指标，可以给预报员一个很明确的“倒降”温类的温度出现标准.

图8 2009—2017年回归方程计算值Fig.8 Calculated values of regression equation during 2009-2017

表9 回归方程值的中位数、平均数和阈值Tab.9 Median，average，and threshold values of regression equation

5 结论

1）廊坊“倒降”温区域三河、大厂最少，中南部相对均匀；年总站次随时间呈缓慢上升趋势；总天数冬季最多，春季最少；总站次秋季最多，春季最少；1月、12月份日数出现最多，1月份和7月份站次出现最多.

2）500 hPa形势占比排名前3位的是脊前西北气流、平直西风环流和槽前西南气流，其中平直西风环流占比最高，高压底部、回流、高压前部在地面形势中排名前3；出现站次与总站次比例排名前3的气象背景条件分别是编号9、编号19、编号2.

3）“倒降”温度日最大风速风向分布在偏北风-偏东风之间，日最大风速风力集中在2～5级；Ⅰ类和Ⅲ类“倒降”温日平均相对湿度呈双峰型结构分布，Ⅱ类日平均相对湿度呈单峰型结构；伴随“倒降”温出现的天气现象，降雨和轻雾的频率最高，其次是雾和降雪；Ⅰ类、Ⅱ类和Ⅲ类850 hPa 24 h变温的频率直方分布、核密度估计和正态分布密度呈“单峰型”结构（图7），核密度估计峰值在-5～-4℃，有较为明显的负变温，并且Ⅲ类出现时的冷空气的强度更强.

4）总结出“倒降”温出现的3种气象学模型，基于天气形势和气象元素建立了“倒降”温预报的回归方程.