2020 年6～7 月西南地区东部降水异常偏多的水汽输送特征

李永华 周杰 何卷雄 卢楚翰 向波

1 重庆市气候中心，重庆 401147

2 中国科学院大气物理研究所国际气候与环境科学中心，北京 100029

3 南京信息工程大学气象灾害省部共建教育部重点实验室，南京 210044

1 引言

水汽是降水形成的必要条件之一，特别是大范围、持续性的降水除了有利的大气环流场提供动力条件外，还需有充沛的水汽做支撑。不少学者都对我国的水汽输送问题进行了研究。谢义炳和戴武杰（1959）通过对黄淮地区连续降水的个例分析指出该地区夏季降水的水汽主要来自于孟加拉湾和西太平洋。黄荣辉等（1998）对比分析了夏季东亚和印度季风区水汽输送的差别，指出东亚季风区夏季的水汽辐合主要与水汽平流有关，而印度季风区的水汽辐合主要是由风场的辐合造成的。Simmonds et al.（1999）指出我国东南部的水汽主要来自于南海和孟加拉湾，而东北及华北部分地区的水汽主要来自于中纬度西风带。徐祥德等（2003）分析了长江流域旱、涝年整层水汽输送结构，指出长江流域降水偏多年水汽主要来自于孟加拉湾、南海和西太平洋。丁一汇和胡国权（2003）分区域计算了1998年我国大洪水时期的水汽收支，指出南海季风的爆发与我国东部地区强降水的水汽收支紧密相关。何金海等（2005）研究发现西北地区降水偏多年的水汽主要来自于北冰洋、孟加拉湾和西太平洋。苗长明等（2015）分析了江南南部初夏降水与水汽输送的联系，指出该区域初夏降水的水汽输送推进时间与夏季风前沿推进时间一致，其水汽源地主要是青藏高原南侧和澳大利亚北部到印度洋和阿拉伯海南部。叶敏和封国林（2015）定义了一系列指标，对长江中下游地区夏季降水的水汽路径进行了客观定量化的研究。邹梦等（2017）直接从水汽输送异常入手，分析了热带印度洋—西太平洋水汽输送异常的前两个模态，指出第一模态对应长江中下游地区降水偏多，这种水汽输送异常可能与前冬ENSO有关；第二模态对应华南降水偏多，这种水汽输送异常主要与同期热带印度洋偶极子有关。杨柳等（2018）对比分析了我国东部季风区不同雨型水汽输送的差异，指出北方型主要受亚洲季风水汽影响，中间型和长江型主要受太平洋水汽影响，华南型主要受印度洋、太平洋和南海水汽共同影响。Tang et al.（2017）则对北京190 次降水进行分析，发现降水的海洋水汽来源受到夏季风强度的深刻影响，夏季风强度对水汽来源有调制作用，不同源地的水汽输送强度与夏季风变化之间的关系需要进一步分析。

以上关于水汽通道的相关研究大多都是采用的欧拉方法，它可以确定一个固定区域内水汽等要素随时间的变化，以分析不同区域降水的水汽来源，这对于揭示降水与区域水汽平衡的关系具有重要意义。但是欧拉方法对水汽输送的描述只是定性的，无法定量地刻画具体的水汽源地和水汽路径（江志红等, 2011）。需要特别指出的是，严格意义上的水汽输送应是水分子的运动。由于水汽有相变（如降水，蒸发，升华等），大气水分不具有守恒示踪性，很难追踪单个水汽分子的运动路径。因此，上述所讨论的水汽输送实际上是和环流形势相关联的大尺度水汽场的平流、辐合和辐散运动，所提及的“水汽通道”主要反映的是相关地区的大气水分和环流形势（李永华等, 2010）。而除了欧拉方法外，另一种方法——拉格朗日法可以通过确定空气块在不同时间的位置，定量地刻画出具体的水汽路径和水汽源地，以克服欧拉方法的不足（杨浩等,2014）。由于拉格朗日方法的这个优点，越来越多的国内外学者开始采用该方法来定量地分析不同区域降水的水汽路径和水汽源地。江志红等（2013）利用拉格朗日轨迹模式，对江淮梅雨异常年水汽输送的差异进行了定量的分析。Sun and Wang（2015）定量分析了2000～2009 年期间华南、长江中下游和华北地区夏季和冬季有降水和无降水两种情况下大陆、西太平洋和印度洋的水汽贡献。陈红专等（2019）利用混合单粒子拉格朗日综合轨迹（HYSPLIT）模型分阶段对2017 年6～7 月湖南省的持续性暴雨过程的水汽输送和水汽收支特征进行了分析。周玉淑等（2019）利用HYSPLIT 模型对比分析了发生在四川盆地的两次暴雨过程的水汽源地和通道。Chu et al.（2017, 2020, 2019）利用HYSPLIT 模型分析了我国华南前汛期降水的水汽来源以及我国东部不同区域盛夏降水的水汽来源。Dong et al.（2019）利用FLEXPART 模型分析了梅雨期长江流域水汽输送与青藏高原关键区域的联系。

2020 年6～7 月西南地区东部总降水量为572.4 mm，较常年偏多5 成，位于1961 年以来同期第一位。期间，该区域共发生了7 场区域性暴雨过程。这些区域性暴雨过程首尾间隔时间短、落区重叠、涉及范围广，给人民生命安全带来较大威胁，给经济社会造成较大损失。这样大范围、持续性的暴雨过程必定有源源不断的水汽供应，本文在分析2020 年6～7 月西南地区东部降水的大尺度水汽输送特征和水汽收支情况的基础上，利用HYSPLIT模型模拟降水时期气团的运动轨迹，确定该时期西南地区东部降水的主要水汽源地和通道，并初步分析引起水汽输送异常的原因，以期加深对西南地区东部水汽输送特征的认识，也为汛期降水预测提供参考。

2 资料和方法

2.1 资料

本文所用资料主要包括：

（1）降水资料。由中国气象局国家气象信息中心提供的《中国地面基本气象要素日值数据集（V3.0）》，该数据集包含了中国2474 个气象站的本站气压、气温、降水量、蒸发量、相对湿度、风向风速、日照时数和0 cm 低温数据，这些数据都经过了严格的质量控制。本文选取1961～2020年西南地区东部（27°N～32°N，105°E～110°E）118 个气象站点（图1）的20:00 至次日20:00（北京时，下同）的逐日降水量资料进行分析。

图1 西南地区东部118 个气象站点分布Fig.1 The distribution of 118 meteorological stations over the East of SouthWestern China (ESWC)

（2）大气环流资料。由欧洲中期天气预报中心（ECMWF）提供的1979～2020 年ERA5 逐月再分析资料（Hersbach et al., 2019），要素包括：位势高度、温度、纬向风、经向风、垂直速度和比湿。水平分辨率为0.25°×0.25°，垂直层次为1000～1 hPa 共37 层。

（3）轨迹模拟资料。由美国气象环境预报中心和美国国家大气研究中心（NCEP/NCAR）提供的一天4 次的再分析资料，要素包括：位势高度、温度、纬向风、经向风和垂直速度。水平分辨率为2.5°×2.5°，垂直层次为17 层。

（4）海温资料。由美国国家海洋和大气管理局（NOAA）发布的逐月海温资料，空间分辨率为2°×2°（Huang et al., 2017）。

（5）海温指数。由中国气象局国家气候中心提供的新百项指数中的Niño3.4 区海温指数和热带印度洋全区一致海温模态（Indian Ocean Basin-Wide，简称IOBW）指数[热带印度洋（20°S～20°N，40°～110°E）区域平均的海温距平]。

文中气候态指1981～2010 年，距平值均是相对于1981～2010 年的平均值而言。

2.2 轨迹模式简介

本文水汽轨迹分析采用美国国家海洋和大气管理局的空气资源实验室开发的HYSPLITv5.0（Draxler and Hess, 1998）模型。HYSPLIT 模型的轨迹模拟方法是通过对质点的移动路径的空间和时间上的位置矢量进行积分，由质点的初始位置和第一猜测位置的平均速率计算得到气块的追踪位置，所以对气块进行后向积分便可知水汽的来源（江志红等, 2011;周玉淑等, 2019）。

本文中模拟区域选取西南地区东部区域（27°N～32°N，105°E～110°E），水平分辨率为2.5°×2.5°，垂直方向上选取500 m、1500 m、3000 m 三个高度层次作为模拟的初始高度。整个模拟空间的轨迹初始点为27 个，模拟其后向追踪10 天的三维运动轨迹，每6 h 输出一次轨迹点的位置，并插值得到相应位置上的物理属性（如温度、高度、气压、相对湿度等），每隔6 h 所有轨迹初始点重新后向追踪模拟10 天。对追踪出的大量轨迹进行聚类（Draxler and Hess, 1998），确定最终的轨迹数目。

2.3 水汽通道比湿和水汽通量贡献率的计算

通道的贡献率Qa定义为

其中，Qi、Qj是通道上最终位置的比湿或水汽通量，m表示该通道所包含轨迹数，n是模拟的轨迹总数。

2.4 水汽通量流函数和势函数的计算

水汽通量的流函数（ψ）和势函数（χ）计算公式如下：

其中，k是常用算子，Q是整层大气水汽输送通量，Qχ是水汽通量的辐散分量，Qψ是水汽通量的非辐散分量，具体计算方法参见参考文献丁一汇（1989）。

2.5 欧拉方法的水汽收支计算

单位边长整层大气水汽输送通量Q的计算公式为

其中，q为比湿（单位：kg kg−1），V为水平风速矢量（单位：m s−1），g为重力加速度（取值9.8 m s−2）。

各方向上水汽通量收支QL的计算公式为

其中，l为计算区域的周长，Vn是风沿区域周线的法向分量。

3 西南地区东部2020 年6～7 月降水特征

3.1 空间分布特征

图2 是西南地区东部2020 年6～7 月降水量和降水距平百分率的空间分布。由图2a 可知，西南地区东部2020 年6～7 月降水总量在315～1138 mm之间，湖北西部和重庆南部降水量较多，在600 mm以上，其中湖北建始站降水量最多，达到1138 mm。2020 年6～7 月降水量在1000 mm 以上的有1 站（湖北建始），600 mm 以上共有38 站。贵州中部和四川东北部降水量较少，在500 mm 以下。2020 年6～7 月降水量距平百分率的空间分布（图2b）主要表现为西南地区东部大部地区降水量较常年偏多，湖北西部、重庆南部和贵州北部降水量较常年偏多明显，其中贵州正安和重庆黔江站降水量偏多1.5 倍，降水量偏多1 倍以上的站点有11 个，仅贵州中部和四川东北部局部降水量较常年略偏少。

图2 2020 年6～7 月西南地区东部（a）降水量（单位：mm）及（b）降水距平百分率的空间分布Fig.2 (a) Spatial distribution of precipitation (units: mm) and (b) percentage of precipitation anomaly over the ESWC in June and July 2020

3.2 时间变化特征

图3 是西南地区东部1961～2020 年6～7 月区域平均的降水距平百分率和2020 年6～7 月逐日区域平均降水量的变化。2020 年6～7 月西南地区东部总降水量为572.4 mm，为1961 年以来同期第一，较常年偏多5 成（图3a）。从逐日降水量的时间序列（图3b）可见，2020 年6～7 月西南地区东部降水并不只是集中在某一个局部时间段，而是在整个时间域基本都有降水发生（表1）。利用文献（周杰等, 2021）中的方法，根据2020 年6～7 月西南地区东部的逐日降水量对2020 年6～7 月的区域性暴雨事件进行了识别，共有7 次区域暴雨过程（图3b 和表1），分别是6 月2 日、6 月17 日、6 月21～22 日、6 月27 日、6 月30 日 至7 月1 日、7 月16～17 日和7 月26 日区域暴雨过程。根据周杰等（2021）的研究，综合指数≤0.7 为轻度事件，0.7＜综合指数≤1.72 为中度事件，1.72＜综合指数≤3.63 为重度事件，综合指数＞3.63 为极端事件。7场区域暴雨过程总体体现出首尾间隔时间短、落区重叠、涉及范围广、致灾风险大的特征。

表1 2020 年6～7 月西南地区东部的区域性暴雨事件Table1 The regional heavy rainfall events over the ESWC from June to July 2020

4 2020 年6～7 月大气环流及水汽输送特征

4.1 主要大气环流特征

大气环流异常是导致降水异常的直接原因。图4 给出了2020 年6～7 月对流层高、中、低层的大气环流形势。对流层高层200 hPa 上（图4a），东亚至西太平洋（50°E～180°E）上空32.5°N～40°N 区域纬向风强度明显偏强位置偏南，副热带西风急流偏强偏南。急流最大中心有3 个，分别位于70°E～90°E、95°E～110°E 和150°E～170°E 附近，其中95°E～110°E 附近的急流中心靠近西南地区东部。对流层中层500 hPa 上，西太平洋副热带高压较常年明显偏西偏强（图4b），使得副高西南侧的西南气流也明显偏西，可到达我国西南地区东部，为该区域降水提供了充沛的水汽来源。与此同时，在500 hPa 中高纬地区，乌拉尔山高压脊异常发展，冷空气从乌拉尔山高压脊前部不断向南输送，最后与副高西南侧的暖湿气流交汇于包括西南地区东部在内的长江流域，形成范围大、持续时间长的暴雨。对流层低层850 hPa 上，从中南半岛至我国西南地区东部，存在一支与中层西伸的副高相对应的西南低空急流（图4c），为西南地区东部降水提供充沛的水汽条件。与此同时，高层强辐散流出，低层强辐合流入，配合从低层到高层的深厚的强烈的垂直运动（图4d），为降水提供了良好的动力条件。

图4 2020 年6～7 月平均大气环流形势：（a）200 hPa 纬向风距平（阴影，单位：m s−1；绿线为气候态30 m s−1 等值线，蓝线为2020 年6～7 月平均30 m s−1 等值线）；（b）500 hPa 位势高度场距平（阴影，单位：gpm）及风场距平（矢量，单位：m s−1；绿线为气候态5880 线，蓝线为2020 年6～7 月平均5880 线）；（c）850 hPa 风场距平（矢量，单位：m s−1）和垂直速度场（阴影，单位：Pa s−1）；（d）区域平均的垂直速度高度—时间剖面（单位：10−1 Pa s−1）。（a–c）中黑色矩形框代表西南地区东部位置，（c）中灰色阴影代表850 hPa地形Fig.4 Characteristics of the average atmospheric circulation during June–July 2020: (a) 200-hPa zonal wind anomaly (shaded, units: m s−1; the green line is the 30 m s−1 isoline in the climatological mean; the blue line is an average 30 m s−1 isoline in June to July 2020); (b) 500-hPa geopotential height field anomaly (shaded, units: gpm) and wind field anomaly (vectors, units: m s−1; the green line is the 5880 isoline in the climatological mean and the blue line is the average 5880 isoline in June and July 2020); (c) wind field anomaly (vectors, units: m s−1) and vertical velocity field (shaded units:Pa s−1) at 850 hPa; (d) regional average of vertical velocity height-time profile (units: 10−1 Pa s−1). The black rectangular frame in (a–c) shows the location of the ESWC, the shaded gray areas in (c) represent the 850-hPa terrain.)

总之，2020 年6～7 月对流层高、中、低层环流场的配置是典型梅雨的环流形势。200 hPa 上急流明显存在，长江流域正好位于急流轴以南地区，高层强辐散流出，对应低层强辐合流入。高低空急流的耦合作用，进一步使得低空西南风加强，低层辐合加强，进而垂直运动加强，形成一个从高层到低层的正反馈作用，使得降水过程维持。梅雨通常指发生在长江中下游地区（陶诗言等, 1958, 1988;赵俊虎等, 2018），但2020 年6～7 月西南地区东部也明显多雨，主要因副高的明显偏西，使得副高西南侧的暖湿气流能够到达西南地区东部。

4.2 2020 年6～7 月水汽输送特征

大范围、持续性的降水除了有利的环流场提供动力条件外，还需要有源源不断的水汽输送。图5给出了2020 年6～7 月平均整层的水汽输送特征。由图5a 可知，2020 年6～7 月水汽输送主要有三支：一支来自于印度洋的阿拉伯海和孟加拉湾向东的水汽输送；一支来自于热带西太平洋向西的水汽输送；还有一支来自于我国南海向东北方向的水汽输送，而北方的水汽输送相较南方海洋而言明显较小，这与李永华等（2010）研究结果基本一致。2020 年6～7 月来自于阿拉伯海和孟加拉湾的向东的水汽输送较常年明显偏弱，来自于热带西太平洋和我国南海地区向西的水汽输送和来自于中南半岛北部的向东北方向的水汽输送明显偏强，总体水汽输送较常年偏西偏强，可输送至我国西南地区东部（图5b），这有利于西南地区东部降水偏多（李永华等, 2010）。2020 年6～7 月水汽输送明显体现出西太平洋副高偏西的特征：副高南部向西的水汽输送较常年明显西伸；随着副高西北侧的转向气流，副高南部向西的水汽输送在我国海南岛附近向东北转向，源源不断地向西南地区东部输送水汽，并在西南地区东部形成明显的水汽辐合（图5c）。

图5 2020 年6～7 月平均整层水汽异常情况：（a）水汽输送矢量场（单位：kg m−1 s−1）；（b）水汽输送异常场（单位：kg m−1 s−1）；（c）水汽通量散度异常场（单位：10−5 kg m−2 s−1）。图中黑色矩形框代表西南地区东部的位置Fig.5 Anomalous water vapor integrated from the whole layer in June–July 2020: (a) Water vapor transport (units: kg m−1 s−1), (b)anomalous water vapor transport (units: kg m−1 s−1), and (c) anomalous divergence (units: 10−5 kg m−2 s−1). Black rectangular frame shows the location of the ESWC

另外，从2020 年6～7 月西南地区东部各边界和区域的水汽收支情况（表2）也能看出，2020年6～7 月西南地区东部有水汽净流入，流入量为359.00×105kg s−1，较常年（225.36×105kg s−1）偏多133.64×105kg s−1。西南地区东部的水汽净流入主要是南边界水汽流入较常年明显增多，北边界水汽较常年流出偏少，使得南北方向上的水汽流入量较常年明显增多；而在东、西方向上，尽管西边界水汽流入量较常年偏多，但是东边界的水汽流出量也明显较常年偏多，东西方向上以水汽流出为主。

表2 2020 年6～7 月西南地区东部各边界和区域水汽收支（单位：105 kg s−1）Table2 Water vapor budget through the four boundaries of the ESWC and the regional net water vapor budget (units: 105 kg s−1) in June–July 2020

水汽通量的流函数和势函数也能表征水汽的输送特征，水汽流函数表示水汽的输送方向，势函数则能解释高水汽含量维持的状况（丁一汇和胡国权, 2003; 江志红等, 2011; 陈红专等, 2019）。图6a是2020 年6～7 月平均水汽输送的流函数及非辐散分量的空间分布，由图可知，在赤道印度洋、西北太平洋和西北大西洋分别存在一个大值中心。在赤道以南地区存在着一支向西的水汽输送，该支水汽一直向西输送到非洲中东岸，并在索马里附近越过赤道向东北方向转向，经过阿拉伯海、孟加拉湾、中南半岛和南海等地输送至我国长江流域。另外，在赤道以北的太平洋地区也存在一支向西的水汽输送，与赤道以南的水汽输送略有不同的是，该支水汽在赤道西太平洋和我国南海附近向东北转向流入我国长江流域。图6b 是2020 年6～7 月平均水汽输送的势函数及辐散分量的空间分布。由图6b 可知，势函数的负值中心主要位于我国长江流域，正值中心主要位于大西洋，表明我国长江流域是全球最明显的水汽汇区，大西洋是全球的水汽源区。从势函数的辐散分量中也可以看出，我国西南地区东部的水汽最主要的来源为南非东面印度洋的水汽经过阿拉伯海、孟加拉湾和我国南海汇入。

图6 2020 年6～7 月平均整层（a）水汽通量流函数（阴影，单位106 kg s−1）、非辐散分量（矢量，单位：kg m−1 s−1）以及（b）势函数（阴影，单位：106 kg s−1）及辐散分量（矢量，单位：kg m−1 s−1）分布Fig.6 Distribution of (a) integrated stream function (shaded, units: 106 kg s−1) and its nondivergent component (vectors, units: kg m−1 s−1) and the distribution of potential function (shaded, units: 106 kg s−1) and its divergent component (vectors, units: kg m−1 s−1) of the water vapor transport in June–July 2020

以上采用欧拉方法计算了水汽输送场和水汽通量流函数和势函数，定性了解了水汽输送路径以及水汽的源、汇区；同时也从西南地区东部区域和各边界的水汽收支情况定量地分析了该区域边界上的水汽来向，但是水汽到底是从哪条路径由海洋上空输送到西南地区东部，不同海洋输送的水汽占总水汽输送的比例又是多少？下面采用气团拉格朗日轨迹追踪方法进一步分析。

HYSPLIT 是基于拉格朗日方法开发的气团轨迹追踪模型，它能跟踪气团的轨迹运动，可以很好地反映气团在运动过程中的三维变化，追踪水汽来源。下面采用HYSPLIT 模型模拟了2020 年6 月1 日至7 月31 日逐日水汽后向轨迹，分析不同通道的水汽输送特征。

通过对2020 年6 月1 日至7 月31 日逐日水汽后向轨迹模拟共得到6507 条轨迹，然后将这些轨迹进行聚类，确定最终的轨迹数目。由图7a 可知，空间方差增长率在聚类数目小于6 以后迅速增长，故确定最终的轨迹通道为6 条。图7b 给出了该时段西南地区东部的6 条水汽通道分别是：（1）阿拉伯海通道，水汽主要来源于印度洋阿拉伯海，经过孟加拉湾—缅甸中部—我国云南一带进入我国西南地区东部。（2）孟加拉湾通道，水汽主要来自于孟加拉湾，经中南半岛北部—我国云南一带进入我国西南地区东部。（3）南海通道，水汽主要来自于我国南海地区，经南海南部—海南—广西—云南一带进入我国西南地区东部。（4）局地通道，水汽主要来自于与西南地区东部邻近的两湖地区和江西等地。水汽通道（5）和（6）都来自于北方，（5）是西北水汽通道1，水汽主要来自于西西伯利亚，经哈萨克斯坦到达我国新疆，再由青海、四川进入我国西南地区东部；（6）西北水汽通道2，水汽主要来自于地中海，自地中海一直向东进入我国新疆地区，同样再由青海、四川等地进入我国西南地区东部。

图7 2020 年6 月1 日至7 月31 日（a）水汽轨迹聚类空间方差增长率、（b）水汽通道空间分布及占比、（c）水汽通道的高度变化（单位：hPa）以及（d）水汽通道的通量的变化（单位：g cm−1 hPa−1 s−1）Fig.7 (a) Change in the TVS (total spatial variance) as clusters combined, (b) spatial distribution of water vapor passages, (c) change in the height of vapor passages (units: hPa), and (d) change in the water vapor flux of vapor passages (units: g cm−1 hPa−1 s−1) from June 1 to July 31, 2020

从水汽通道的高度变化（图7c）可知，来自于阿拉伯海、孟加拉湾、南海和局地的水汽通道的高度大都在900 hPa 以下，在进入西南地区东部之前都有一定程度的上升，特别是阿拉伯海和孟加拉湾通道由于要经过云贵高原，上升更加突出。来自于阿拉伯海和孟加拉湾的水汽最终到达西南地区东部700 hPa 高度，来自于南海和局地的水汽最终到达850 hPa 高度。来自于西北1 的水汽通道的高度变化不大，基本维持在700 hPa 附近；而来自于西北2 的水汽通道高度位于对流层中层500 hPa 附近，进入西南地区东部高度明显下降，最终在西南地区上空700 hPa 附近与来自于阿拉伯海和孟加拉湾的水汽汇合。从水汽通量的变化（图7d）可知，来自于低纬海洋通道（阿拉伯海通道、孟加拉湾通道和南海通道）的水汽通量明显大于来自于高纬内陆通道（西北通道1 和西北通道2）的水汽通量，来自于局地的水汽通量介于二者之间。阿拉伯海通道的水汽通量在海洋上时有一个明显增加的过程，而后进入陆地，翻越云贵高原后又略有减小。孟加拉湾的水汽通道与阿拉伯海类似，在海洋上时有短暂增大，进入陆地后又有一个减小过程，后一直维持到西南地区东部。南海的水汽通道同样与阿拉伯海类似，在水汽在经过南海地区时，水汽通量不断增大，进入陆地后略有减小。局地水汽通量随时间的变化不大，基本保持不变。而来自于北方的西北通道1 和西北通道2 的水汽通量相较于其他通道明显小得多，且基本上随时间不变。

表3 给出了西南地区东部不同水汽通道的各个物理量的贡献率，由该表可知，在6 个水汽通道中，来自孟加拉湾通道的轨迹数目（1900 条）最多，其次是阿拉伯海通道（1398 条）和南海通道（1287 条），西北1 通道轨迹数（524 条）最少。来自于南方的水汽路径占总路径的70.5%，北方路径占总路径的17.6%，局地路径占11.9%。同样也是孟加拉湾通道的比湿贡献率（30.36%）最大，其次是南海通道（24.37%）和阿拉伯海通道（21.89%）。就水汽通量贡献率而言，孟加拉湾通道的水汽通量贡献率仍然最大，高达31.13%，阿拉伯海通道以30.41%的贡献率紧随其后，南海通道贡献率为20.89%，位列第三。局地的比湿贡献和水汽通量贡献都小于3 条海洋通道，而来自于北方的两条通道的比湿贡献和水汽通量的贡献均最小。综合6 个通道看，2020 年6～7 月西南地区东部的水汽主要来自于孟加拉湾，其次是南海和阿拉伯海。另外从假相当位温可以看出，来自于海洋的水汽（孟加拉湾、南海和阿拉伯海）都具有暖湿的特点（假相当位温大），而来自于北方的水汽则具有干冷的特点（假相当位温小）。

表3 各水汽通道轨迹总数、比湿和水汽通量贡献率以及假相当位温Table3 Total number of trajectories, contribution of specific humidity, and water vapor flux from vapor passages and potential pseudo-equivalent temperature

4.3 水汽强度分析

从前面的分析可知，无论是采用欧拉方法计算的定性的整层水汽输送来源，还是采用基于拉格朗日方法计算的定量的水汽输送轨迹，总体都体现出2020 年6～7 月西南地区东部降水的水汽主要来自于孟加拉湾、南海和阿拉伯海等南方洋面的暖湿气流，而北方的干冷空气也有水汽的输送，但相对于南方海洋的水汽输送小得多。鉴于此，本节选择西南地区东部水汽主要来源的南方海洋四个关键区（图8）来定义水汽强度指标。关键区域1（阿拉伯 海）范 围 为（0°～20°N，50°～80°E），区 域2（孟加拉湾）范围为（0°～20°N，80°～100°E），区域3（中南半岛北部）范围为（15°～25°N，100°～110°E），区 域4（南 海）范 围 为（5°～20°N，110°～120°E）。考虑到水汽通量是一个矢量，具有纬向和经向特征，因此每个关键区域定义两个水汽强度指标：（1）纬向水汽强度指标是指该区域内纬向水汽通量的平均值；（2）经向水汽强度指标是指该区域内经向水汽通量的平均值。由此四个关键区共定义了8 个水汽强度指标：阿拉伯海纬向水汽强度、阿拉伯海经向水汽强度、孟加拉湾纬向水汽强度、孟加拉湾经向水汽强度、中南半岛北部纬向水汽强度、中南半岛北部经向水汽强度、南海纬向水汽强度和南海经向水汽强度。

图8 1979～2020 年6～7 月平均整层水汽输送的空间分布（单位：kg m−1 s−1）。图中黑色矩形框分别为水汽强度指标选取的4 个区域，从西 到 东 依 次 是：区 域1（0°～20°N，50°～80°E）、区 域2（0°～20°N，80°～100°E）、区 域3（15°～25°N，100°～110°E）、区 域4（5°～20°N，110°～120°E）Fig.8 Spatial distribution of the average water vapor transport in June–July from 1979 to 2020 (units: kg m−1 s−1). Black rectangular boxes in the figure are the four areas selected for the water vapor intensity index, which are in turn from west to east: Zone 1 (0°–20°N, 50°–80°E), zone 2(0°–20°N, 80°–100°E), zone 3 (15°–25°N, 100°–110°E), zone 4 (5°–20°N, 110°–120°E))

表4 给出了各关键区水汽强度指标与西南地区东部6～7 月降水量的相关系数，由此可知，在以上定义的8 个水汽强度指标中，有3 个指标与西南地区东部6～7 月降水量有显著的相关关系：孟加拉湾纬向水汽强度指标、南海纬向水汽强度指标与降水量呈显著负相关，中南半岛北部经向水汽强度指标与降水呈显著正相关。这表明当孟加拉湾纬向水汽强度为负异常（向东的水汽输送减弱）、中南半岛北部经向水汽强度为正异常（向北的水汽输送增强）、南海纬向水汽强度为负异常（向西的水汽输送增强）时，西南地区东部6～7 月降水量偏多，这种水汽输送的特征正好与2020 年6～7 月的水汽输送特征（图5b）一致，明显体现出副高西伸的水汽输送特征。由此可见，以上定义的水汽强度指标具有较好的指示意义。

表4 各关键区水汽强度指标和风场强度指标与西南地区东部6～7 月降水量的相关系数Table4 Correlation coefficient between the water vapor intensity index (wind field intensity index) in key areas and precipitation in the ESWC in June and July

表4 同时也给出了四个关键区的纬向风、经向风强度指标（类似水汽强度指标定义）与西南地区东部6～7 月降水量的相关系数。由表4 可知，孟加拉湾纬向风强度、南海纬向风强度与降水量呈显著负相关，中南半岛北部经向风强度与降水量呈显著正相关。表明当孟加拉湾西风减弱、南海东风和中南半岛北部地区南风增强时，西南地区东部6～7 月降水容易偏多，这同样也体现出西太平洋副高明显西伸的风场特征，风场和水汽场都体现出了一致的特征。

4.4 水汽输送异常的可能原因

图9a–c 给出了与西南地区东部6～7 月降水量显著相关的3 个水汽强度指标与前冬海温的相关分布。由该图可知，孟加拉湾纬向水汽强度指标主要与前冬赤道中东太平洋海温和赤道东印度洋海温呈显著负相关（图9a），中南半岛北部经向水汽强度指标主要与前冬赤道中东太平洋和北印度洋呈现显著正相关（图9b），南海纬向水汽强度指标主要与前冬赤道中东太平洋和北印度洋海温呈现显著负相关（图9c）。2019/2020 年冬季印度洋和赤道中东太平洋海温均较常年偏高（图9d），有利中南半岛北部地区向北输送的水汽偏强，南海地区向西输送的水汽偏强，则中南半岛北部经向水汽强度偏强，南海纬向水汽强度偏弱，从而造成2020 年6～7 月西南地区东部降水偏多。图9e–g 给出的是与西南地区东部6～7 月降水量显著相关的3 个水汽强度指标与同年5～7 月海温的相关分布。由该图可知，5～7 月，3 个水汽强度指标主要与印度洋北部海温呈现显著的相关，而与赤道中东太平洋海温相关不再显著。孟加拉湾纬向水汽强度指标及南海纬向水汽强度指标与印度洋北部海温仍呈显著负相关（图9e、图9g），中南半岛北部经向水汽强度指标与其仍呈显著正相关（图9f）。2020 年5～7 月印度洋北部海温持续偏高（图9h），同样也有利中南半岛北部地区向北输送的水汽偏强，南海地区向西输送的水汽偏强，使得2020 年6～7 月西南地区东部降水偏多。

图9 不同水汽强度指标与（a–c）前冬和（e–g）5～7 月海平面温度（SST）的相关分布（深、浅阴影区分别代表通过0.01 和0.05 的显著性水平检验）以及（d）2019/2020 年冬季和（h）2020 年5～7 月海表温度异常（SSTA）的空间分布（单位：°C）：（a、e）孟加拉湾纬向水汽强度指标；（b、f）中南半岛北部经向水汽强度指标；（c、g）南海纬向水汽强度指标Fig.9 Correlation distribution between different water vapor intensity indexes and the SST (Surface Sea Temperature) in (a–c) previous winter and in(e–g) MJJ (May–June–July), the dark and light shaded areas represent passing the significance test of 0.01 and 0.05, respectively; spatial distribution of SSTA (Surface Sea Temperature Anomaly) in (d) the winter of 2019/2020 and in (h) MJJ of 2020 (units: °C): (a, e) The Bay of Bengal meridional water vapor intensity index; (b, f) North Indo-China zonal water vapor intensity index; (c, g) South China Sea zonal water vapor intensity index

除此之外，我们也计算了3 个水汽强度指标分别与Niño3.4 指数和IOBW 指数的超前滞后相关系数，以及它们与IOBW 去掉冬季平均的Niño3.4 海温的超前滞后的偏相关系数（图10）。由该图可知，Niño3.4 指数主要在前冬和初春（1～3 月）与3 个水汽强度呈现显著相关，在5～7 月，相关则不再显著。3 个水汽强度指标与IOBW 的超前滞后相关系数曲线表现出与Niño3.4 指数相似的特征：1～3 月显著相关，而5～7 月相关不显著。而它们与IOBW（去掉冬季平均的Niño3.4）的偏相关系数则体现出明显不同的特征：1～3 月相关不显著，5～7 月（尤其是6～7 月）呈显著相关。

图10 不同水汽强度指标与Niño3.4、IOBW 和IOBW（去掉冬季平均的Niño3.4）的超前滞后相关系数曲线图：（a）孟加拉湾纬向水汽强度指标；（b）中南半岛北部经向水汽强度指标；（c）南海纬向水汽强度指标。图中灰色虚线为0.05 显著性水平检验线Fig.10 Lead–lag correlation coefficient between different water vapor intensity indexes and Niño3.4, IOBW (Indian Ocean Basin-Wide), and IOBW(excluding the average Niño3.4 in winter): (a) Bay of Bengal meridional water vapor intensity index; (b) North Indo-China zonal water vapor intensity index; (c) South China Sea zonal water vapor intensity index (the gray dotted line is the 0.05 significance test line)

由于赤道中东太平洋海温本身与印度洋海温存在相关关系，所以3 个水汽强度指标与IOBW 指数的相关系数曲线同它们与Niño3.4 指数相关曲线的变化特征相似：在1～3 月显著相关，5～7 月则相关不显著；而当IOBW 指数去掉前冬Niño3.4 的影响后，则主要体现出在5～7 月（尤其是6～7 月）显著相关。这些表明赤道中东太平洋海温主要在1～3 月影响3 个水汽强度指标，而印度洋海温则主要在5～7 月（尤其是6～7 月）影响它们，也就是印度洋在春夏季发挥了电容器的效应，传递了冬季赤道中东太平洋的影响（Xie et al., 2009, 2016）。通常，在El Niño 发展年的秋冬季，东亚副热带地区会通过Rossby 波遥相关作用在菲律宾附近激发异常反气旋，通过该反气旋影响东亚气候（Zhang et al., 1999; Wang and Zhang, 2002）。而在El Niño衰减年的夏季，由于赤道中东太平洋异常暖水已经减弱，此时副高偏西、偏强以及菲律宾附近异常反气旋环流的维持多是印度洋海温滞后响应的结果（Xie et al., 2009, 2016; 袁媛等, 2017）。

2019/2020 年冬季，赤道中东太平洋海温较常年稍偏高，呈现一个弱El Niño 状态。在2020 年5～7 月，印度洋海温表现出持续偏暖的特征，受此影响，西太副高明显偏西、偏强，赤道中西太平洋至热带印度洋是东风距平，有利于南海地区向西的水汽偏强，不利于孟加拉湾地区向东的水汽输送；同时，菲律宾至我国南海附近的反气旋维持，有利于中南半岛北部地区向北的水汽输送偏强，造成2020 年6～7 月西南地区东部降水偏多。

为了进一步印证上述的分析结果，计算去趋势后的前冬Niño3.4 区海温指数和5～7 月IOBW 指数分别与6～7 月平均的500 hPa 位势高度场和850 hPa风场的回归，结果如图11 和图12 所示。由图11可知，Niño3.4 区海温指数和IOBW 指数回归的6～7 月500 hPa 高度场上，热带地区为显著的正高度距平，尤其是西太平洋地区，表明西太平洋副高明显偏西、偏强（图11a, b）。2 个指数在回归的850 hPa 风场上也表现出一致的特征：孟加拉湾和南海地区为东风距平（图12a, b），有利于南海地区向西的水汽偏强，不利于孟加拉湾地区向东的水汽输送；与此同时，菲律宾至我国南海附近的反气旋维持（图12a, b），使得中南半岛北部地区为偏南风距平，有利于中南半岛北部地区向北的水汽输送偏强，造成2020 年6～7 月西南地区东部降水偏多。

5 结论与讨论

通过对2020 年6～7 月西南地区东部降水量异常偏多及其水汽输送特征的分析，得出如下主要结论：

图11（a）前冬Niño3.4 区海温指数和（b）5～7 月IOBW 指数与6～7 月平均的500 hPa 位势高度场的回归系数（单位：gpm °C−1，图中深浅阴影区分别代表通过0.01 和0.05 的显著性水平检验的区域，图中红色矩形框为西南地区东部位置）Fig.11 Regression coefficient (units: gpm °C−1) of the average geopotential height field of 500 hPa during June–July using (a) the Niño3.4 SST index in the previous winter and (b) IOBW index in MJJ. The dark and light shaded areas represent the areas that have passed the significance test of 0.01 and 0.05, respectively, and the red rectangular box is the location of the ESWC

图12（a）前冬Niño3.4 区海温指数和（b）5～7 月IOBW 指数与6～7 月平均的850 hPa 风场的回归系数（单位：m s−1 °C−1，图中深浅阴影区分别代表通过0.01 和0.05 的显著性水平检验的区域，图中红色矩形框为西南地区东部位置）Fig.12 Regression coefficient (units: m s−1 °C−1) of the average wind field of 850 hPa during June–July using (a) the Niño3.4 SST index in the previous winter and (b) the IOBW index in MJJ. The dark and light shaded areas represent the areas that have passed the significance test of 0.01 and 0.05, respectively, and the red rectangular box is the location of the ESWC

（1）2020 年6～7 月西南地区东部总降水量为572.4 mm，较常年显著偏多5 成，位于1961 年以来第1 位。除贵州中部和四川东北部的局部地区降水较常年偏少外，其余地区降水均较常年偏多。降水大值区主要位于湖北西部、重庆南部和贵州北部。整个6～7 月，西南地区东部共发生7 场区域性暴雨过程，这些暴雨过程首尾间隔时间短、落区重叠、涉及范围广、致灾风险大。

（2）2020 年6～7 月对流层高、中、低层环流场的配置是一个西南地区东部典型多雨的环流形势，该区域正好位于200 hPa 急流轴以南地区，同时西太平洋副高明显西伸，副高西南侧的暖湿气流能够到达西南地区东部，是该区域降水偏多的主要原因。

（3）采用拉格朗日方法计算的定量的水汽轨迹追踪结果表明2020 年6～7 月西南地区东部降水的水汽路径70.5%来自于孟加拉湾、南海和阿拉伯海等南方路径，17.6%来自于北方路径，11.9%来自于局地。就南方海洋的通道而言，孟加拉湾通道的比湿和水汽通量贡献率都是最大的，分别为30.36%和31.13%。南海通道的比湿贡献率（24.37%）较阿拉伯海通道的（21.89%）略大，阿拉伯海通道的水汽通量贡献率（30.41%）较南海通道的（20.89%）大。

（4）前冬赤道中东太平洋海温偏高和热带印度洋全区海温偏高，西太平洋副高明显偏西、偏强，孟加拉湾和南海地区为东风距平，有利于南海地区向西的水汽偏强，不利于孟加拉湾地区向东的水汽输送；与此同时，菲律宾至我国南海附近为异常反气旋，使得中南半岛北部地区为偏南风距平，有利于中南半岛北部地区向北的水汽输送偏强，共同造成2020 年6～7 月西南地区东部降水偏多。

本文分析了2020 年6～7 月西南地区东部降水的水汽输送特征，定义了关键区水汽强度指标，初步分析了水汽强度与海温的关系，今后需从气候态的角度或更多的典型降水异常年份入手，对其他外强迫因子对西南地区东部水汽输送及其降水的影响机制作进一步的分析。

致谢感谢由中国气象局国家气象信息中心提供的《中国地面基本气象要素日值数据集（V3.0）》中的降水资料；由ECMWF 提供的1979～2020 年ERA5 逐月位势高度、温度、纬向风、经向风、垂直速度和比湿资料（https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels-monthly-means?tab=form）；由NCEP/NCAR 提供的一天4 次的位势高度、温度、纬向风、经向风和垂直速度资料（ftp://ftp.arl.noaa.gov/pub/archives/reanalysis）；由NOAA 提供的逐月海温资料（https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.html）；由中国气象局国家气候中心提供的新百项指数中的Niño3.4 区海温指数和IOBW 指数资料。