1. 引言

1.1. 研究背景

四川位于中国西南部，其地形复杂，夏季降雨频发。盛夏时区域性大暴雨过程的频率、强度都远大于东部[1]，也是四川盆地发生频率最高、危害最重的气象灾害之一，常造成洪涝、泥石流等次生灾害，对人民生命财产安全造成很大威胁。

西南低涡，是在青藏高原大地形、川西高原中尺度地形和大气环流相互作用下产生于我国西南地区对流层底层850 hPa或700 hPa等压面上的一种中尺度闭合环流涡旋系统[2] [3]，初生时期为浅薄的中尺度低压系统，生命史一般低于48 h且多为暖性结构。西南涡作为重要的高影响天气系统，其发展和东移可导致四川盆地、华南及华北等地区产生强降水、雷暴等灾害性天气[4] [5]。因此，西南低涡一直是气象学界关注的重点[6]-[8]。

1.2. 研究现状

下垫面是陆–气相互作用过程中重要的物理量，地表感热通量和潜热通量以及地表反照率、热容量等因子的改变能影响局地的大气环流和天气[9] [10]。关于下垫面对局地天气的影响，杜华武等[11]通过对一次西南涡个例及其暴雨过程的数值模拟，指出短期内大区域下垫面特征的变化主要影响天气尺度环流和次天气尺度环流的强度，而对其中心位置和环流性质影响不大；田晨等[12]利用陆面模式分析下垫面对强对流天气的影响，指出下垫面所具有的非均匀性特征对强对流天气有很大的影响，这种影响主要通过改变边界层热力、动力过程及地气之间的热量输送与水分循环，进而改变大气的温湿结构和垂直运动来实现。关于不同下垫面类型对天气的模拟研究，张颖等[13]利用WRF模式对比分析了城市冠层模式和精细分类下垫面对城市静稳天气带来的影响，认为精细分类下垫面更能模拟出建筑物对风的阻挡作用以及城市风场不连续、随机性强的特性，对城市天气的预报有着非常重要的意义[14]。而单独改变下垫面的土壤湿度、反照率、感热和潜热对涡旋的对流降水、涡旋性质都有不同程度的影响[15]-[18]。

1.3. 研究意义

由此可见，下垫面对天气和降水等影响是不可忽略的，以往对不同下垫面数据影响西南涡过程的研究比较少而且局限于对单一的下垫面特性进行敏感性模拟试验，而没有全面的考虑下垫面的特性包括表面热容量、热惯性、表面反射率、土壤水分可用性、表面粗糙度、积雪反照率修改因素和表面反照率对西南涡过程的影响，因此本研究计划利用WRF模式，引入2020年全球30米精细地表覆盖产品(GLC_FCS30-2020)，对比WRF自带的MODIS数据，对一次伴有西南涡的降水过程进行模拟，并通过分析下垫面类型数据的差异，讨论不同下垫面数据对西南涡及其降水过程的影响。

2. 暴雨过程概况

2.1. 降水特征

2021年7月9日08:00 (北京时，下同)至7月11日08:00 (图1(a))，大巴山地区出现持续性暴雨天气。降水带呈东北–西南走向，降水强中心出现在四川东北部。48 h最大累计雨量达243.2 mm。最强降雨时段为7月9日08:00至7月10日08:00 (图1(b))，这一时段内强降雨维持在陕西镇巴及四川东北部的大巴山地区，陕西汉中镇巴站累计雨量达243.2 mm，四川万源站达149.6 mm，最大小时雨强为37.8 mm∙h⁻¹。7月10日08:00至7月11日08:00 (图1(c))降水维持。

2.2. 天气背景分析

利用中国气象局提供的MICAPS天气图分析此次四川盆地及周边的特大暴雨过程。7月9日08:00 (图2(a))，500 hPa副热带高压控制黄河以南地区，盆地上空的低槽区加深，受槽前气流影响的区域有

(a)

(b) (c)

Figure 1. Observation of cumulative precipitation distribution (unit: mm) (a) 08:00 on July 9th to 08:00 on July 11th; (b) 08:00 on July 9th to 08:00 on July 10th; (c) 08:00 on July 10th to 08:00 on July 11th

图1. 观测累积降水量分布(单位：mm) (a) 7月9日08时~7月11日08时；(b) 7月9日08时~7月10日08时；(c) 7月10日08时~7月11日08时

对流性降雨产生且逐渐东移。10日08:00 (图2(f))，低空偏南风急流逐渐增强，盆地上空辐合和垂直运动加强，700 hPa西南低涡在盆地中部生成，暴雨在西南低涡东南部的大巴山南侧地区发展。10日20:00 (图2(h))，西南低涡大体移出盆地，且盆地南侧700 hPa西南气流进一步增强。同时，500 hPa (图2(g))盆地为一深厚低槽，700 hPa西南气流较为强盛。850 hPa风场上有强烈的西南低空急流，低空急流与盆地北部大巴山、秦岭相遇，气流转向西。然后遇到高原转向南，在涡度平流及辐合抬升的共同作用下使降水为西南低涡东南侧型降水[19]。

注：该图基于自然资源部标准底图服务网站下载的审图号为GS(2019)4347号的标准地图制作，底图无修改。

Figure 2. The circulation pattern from July 9th to 10th, 2021 (500 hPa in the left column and 700 hPa in the right column) (a) (b) 08:00 on July 9th, (c) (d) 20:00 on July 9th, (e) (f) 08:00 on July 10th, (g) (h) 20:00 on July 10th

图2. 2021 年7月9日~10日环流形势(左列为500 hPa，右列为700 hPa) (a) (b) 9日08时，(c) (d) 9日20时，(e) (f) 10日08时，(g) (h) 10日20时

3. 数值模拟设置

3.1. 模式设置

为了对更精准下垫面数据对西南低涡降水影响做细致分析，引入2020年全球30米精细地表覆盖产品(GLC_FCS30-2020)，对比WRF自带的MODIS数据(表1、图3)通过非静力中尺度数值模式WRF-ARW，V3.9.1对此大暴雨过程进行数值模拟。模拟分两个实验，下垫面分别为MODIS数据(实验1)和GLC (实验2)，模拟区域如图4所示。两个实验的模式设置相同，模拟采用格距为3km的单层网格，以(97.8˚E，35˚N)为中心，网格数为1260 × 810，垂直方向为51层。模拟从7月9日00:00 (世界时)开始，积分49 h，模拟输出的时间间隔为1 h。长、短波辐射方案均选用的是RRTMG方案，微物理方案选用Tompson参数化方案，陆面模式选用的是NoahLSM陆面方案，边界层方案选用的是YSU方案(表2)。

Table 1. Comparison Table of Surface Type Conversion between GLC2020 and MODIS

表1. GLC2020与MODIS之间地表类型转换对照表

Figure 3. The data types of the underlying surface are MODIS on the left and GLC on the right

图3. 下垫面数据类型左图为MODIS，右图为GLC

Table 2. Mode configuration options for WRF simulation

表2. WRF模拟的模式配置选项

注：该图基于自然资源部标准底图服务网站下载的审图号为GS (2016)1609号的标准地图制作，底图无修改。

Figure 4. Simulated area

图4. 模拟区域

3.2. 研究方法

基于模拟降水区域的土地利用类型设置了2个使用不同土地利用资料的实验，分别使用2020年全球30米精细地表覆盖产品(GLC_FCS30-2020)和WRF自带的MODIS数据，对此次暴雨过程进行数值模拟，模式参数设置见表2。通过对比不同的实验来研究下垫面数据集的更替对各气象要素模拟的结果，分析两实验中影响此次降水过程的主要因素并关注土地利用对一次西南低涡影响的暴雨过程所起到的作用。

针对一次降水案例，利用全国综合气象信息共享平台(CIMISS)的逐小时的台站观测降水资料，和模拟的降水数据的降水量、降水分布和小时雨强等进行对比分析。讨论通过使用不同的下垫面数据集进行敏感性试验，下垫面差异是否会导致降水出现差异，更精细的下垫面资料对降水的模拟是否有改善，并分别选取两实验小时最强降水量时次，从影响降水的主要影响因素：涡度场ζ和散度场D动力抬升角度和地面水汽分布q和地面水汽通量Q水汽条件的差异来诊断下垫面对降水的影响。各影响因素计算公式如下：

$\zeta \text{=}\frac{\partial v}{\partial x}-\frac{\partial u}{\partial y}$ (1)

$D=\frac{\partial u}{\partial x}+\frac{\partial v}{\partial y}$ (2)

$q=\frac{0.622\ast e}{p-e}$ (3)

$Q=Vq$ (4)

4. 不同下垫面数值模拟的结果分析

4.1. 降水量

观测资料中显示西南涡在7月9日20:00出现(图2(f))，在7月11日08:00左右后移动至大巴山地区且24 h降水水量达到最大(图1(b))，在模拟的西南涡出现后，暴雨始终在低涡东南部的辐合区内维持。WRF-ARW模拟的7月9日08:00至7月11日08:00的累计降雨量(图5(a)，图5(b))，对比观测降雨(图1(a))，模拟的累积雨量(图5(a)、图5(b))为“逗点”状的低涡降雨分布，对比观测值可以看出，模拟较好地再现了西南低涡的移动和逐24 h降雨的分布情况，但GLC的模拟结果显示的降水量和范围较MODIS更接近观测结果。模拟的低涡位置及强降雨与观测结果均较为接近，能够反映出这次西南低涡降雨的主要空间分布形态，但模拟的最大降雨量较观测值偏强，强降雨范围较观测偏大且偏西(图5)。

(a) (b)

(c) (d)

(e) (f)

Figure 5. Accumulated precipitation simulated by two types of underlying surface data (in millimeters) (a) (b) from 08:00 on July 9, 2021 to 08:00 on July 11, 2021; (c) (d) From 08:00 on July 9, 2021 to 08:00 on July 10, 2021; (e) (f) From 08:00 on July 10, 2021 to 08:00 on July 11, 2021; The left column represents MOSID, and the right column represents GLC

图5. 两类下垫面数据模拟的累积降水量(单位：毫米) (a) (b)2021年7月9日08时~11日08时；(c) (d) 2021年7月9日08时~10日08时；(e) (f)2021年7月10日08时~11日08时；左列为MOSID，右侧为GLC

Figure 6. Simulated hourly distribution of regional average precipitation from 08:00 on July 9th to 08:00 on July 10th (orange—observed, green—MODIS, red—GLC)

图6. 7月9日08时~10日08时模拟区域平均降水量逐小时分布(橙色——观测，绿色——MODIS，红色——GLC)

(a) (b)

Figure 7. Hourly cumulative precipitation ((a) is from 17:00 to 18:00 on July 9, 2021 (MODIS), and (b) is from 20:00 to 21:00 on July 9, 2021 (GLC) in millimeters)

图7. 小时累计降水量((a) 为2021年7月09日17~18时(MODIS)，(b) 为2021年7月09日20~21时(GLC单位：mm)

选择四川境内降水较强的7月9日08时~10日08时，分析降水的逐小时演变特征(图6)。CIMISS区域平均小时降雨量在7月9日08时开始上升，在9日19时达到峰值，MODIS数据集模拟的区域平均小时降雨量明显高于观测值。区域平均的小时最大降雨量发生在9日18时，GLC模拟的区域小时最大降雨量发生在9日21时，降水量也高于观测值，但比MODIS低。对比三组数据，MODIS和GLC模拟结果的降水量都明显高于观测值，显示出降水强度和持续时间的高估，但总体来看GLC模拟结果在峰值时间和趋势上更接近观测值，模拟结果优于MODIS。在降水最强时段，MODIS数据集模拟的小时降水(9日17~18时)的强降水中心(31.5˚N, 105.3˚E)降水强度强于GLC数据集模拟的小时降水(9日20~21时)的强降水中心(30.5˚N, 103.6˚E) (图7)。

4.2. 下垫面物理量

Table 3. MODIS surface types and their physical parameters

表3. MODIS地表类型及其物理参数

引入的2020年全球30米精细地表覆盖产品(GLC_FCS30-2020)较模式自带的MODIS数据在盆地观测资料的降水落区的站点都存在差异，且MODIS资料中降水落区内的站点下垫面指数较为一致，而引入的更精细地表产品中，在降水落区内各站点之间差异更普遍。从整体上对比两类下垫面资料在四川盆地上的差异也较明显，MODIS数据在大巴山附近的地表类型大多为(类别12)农田，而引入的更精细地表覆盖产品中该区域的地表类别更加广泛，除(类别12)农田外还涉及(类别8)木本稀树草原、(类别10)草原、(类别11)永久湿地、(类别13)城镇建设用地、(类别14)植被/耕地混合，而MODIS数据在盆地东部的LU大致为(类别12)农田，GLC产品在该区域大致为(类别14)植被/耕地混合，更接近实际情况，相比(类别12)农田有略低的土壤水汽有效性和粗糙度(表3)。

4.3. 动力场特征

低空辐合作为有利于降水的生成和持续，其发展机制也是西南涡发展的重要原因。所以散度方程常常被用于分析大气运动中辐合辐散的变化成因，陈忠明(1993, 2007)对散度方程作一级近似后得到：

$\begin{array}{c}\frac{\partial D}{\partial t}=-{\nabla }^{2}E\text{+}\stackrel{\to }{k}\cdot \left(\nabla \times \stackrel{\to }{q}\right)\\ =-{\nabla }^2\phi -{\nabla }^2\left(\stackrel{\to }{V}\cdot \stackrel{\to }{V}\right)/2+\stackrel{\to }{k}\cdot \left(\nabla \times \stackrel{\to }{q}\right)\end{array}$(1)

且不同下垫面的粗糙度不同，会影响到风速的大小(茅宇豪等，2006)，从而可能会影响到辐合辐散的大小程度。

MODIS数据集模拟的小时强降水中心(31.5˚N, 105.3˚E)上空从850 hPa到500 hPa均表现为辐合区(图8(a)、图8(c)、图8(e))，而GLC数据集模拟的小时强降水中心(30.5˚N, 103.6˚E)从850 hPa到700 hPa为辐合区，700 hPa的辐合强度较弱，而500 hPa为辐散区。这种辐合辐散区的垂直分布意味着MODIS的模拟结果在更高的高度范围内存在气流汇聚，导致更强的垂直速度，推动空气向上运动，在水汽条件一致的情况下，会有更多的水汽冷却并凝结形成降水。而GLC的辐合相对较弱，引发较弱的抬升，降水相对较弱。

MODIS数据集模拟的小时强降水中心(31.5N˚, 105.3˚E)与GLC数据集模拟的小时强降水中心(30.5˚N, 103.6˚E)都位于正涡度区且涡度值较为一致(图9)。

(a) (b)

(c) (d)

(e) (f)

Figure 8. The horizontal distribution of divergence in precipitation areas (unit: 100 s⁻¹) is shown in the left column as 17:00 on July 9, 2021 (MODIS), and in the right column as 20:00 on July 9, 2021 (GLC) (a) (b) 500 hPa, (c) (d) 700 hPa, (e) (f) 850 hPa

图8. 降水区散度水平分布(单位：100 s⁻¹)左列为2021年7月09日17时(MODIS)，右列为2021年7月09日20时(GLC) (a) (b) 500 hPa，(c) (d) 700 hPa, (e) (f) 850 hPa

(a) (b)

(c) (d)

(e) (f)

Figure 9. The horizontal distribution of vorticity in the precipitation area (unit: 100 s⁻¹) is shown in the left column as 18:00 on July 9, 2021 (MODIS), and in the right column as 21:00 on July 9, 2021 (GLC) (a) (b) 500 hPa, (c) (d) 700 hPa, (e) (f) 850 hPa

图9. 降水区涡度水平分布(单位：100 s⁻¹)左列为2021年7月09日17时(MODIS)，右列为2021年7月09日20时(GLC) (a) (b) 500 hPa，(c) (d) 700 hPa，(e) (f) 850 hPa

4.4. 水汽条件

(a) (b)

Figure 10. Horizontal distribution of ground water vapor (MODIS in the left column and GCL in the right column, unit: g/g) (a) 17:00 am on September 9th, (b) 20:00 on September 9th

图10. 地面水汽水平分布(左列为MODIS，右列为GCL，单位：g/g) (a) 09日17时，(b) 09日20时

(a) (b)

Figure 11. Hourly precipitation center ground water vapor distribution (MODIS in the left column and GLC in the right column, unit: g/g) (a) 17:00 am on September 9th, (b) 20:00 on September 9th

图11. 小时降水中心地面水汽分布(左列为MODIS，右列为GLC，单位：g/g) (a) 9月09日17时，(b) 9月09日20时

近地面水汽含量分布(图10)与下垫面类型分布总体上体现了一定的相关性。在降水区下垫面类型为植被/耕地混合，GLC数据集模拟出了的水汽含量与MODIS数据在降水区下垫面类别为农田，模拟出的水汽含量存在差异，但差异并不显著，而在降水区附近，MODIS模拟出了更强的水汽分布(图11)。

在区域平均的最大小时降水发生前，MODIS数据集模拟出了更强的水汽通量，结合区域平均降水量逐小时分布图、散度图、地面水汽图和剖面图分析，更换更精细的下垫面数据集(GLC)对降水的模拟对降水量有一定的优化，而分析影响降水的因素，GLC的模拟结果显示，更精准的下垫面通过垂直方向上更弱的辐合区配置、更少的地面水汽分布影响地面水汽辐合(图12)，来优化了这次降水。

5. 结论

1) WRF模式对此次降水过程有较好的模拟，两个实验均较好地反映了此次降水过程。两个模拟的结果相对于观测在降水水平分布上均偏强、偏西，且在时间演变上相对于观测的降水更强，峰值持续时间也更长。但GLC数据的模拟结果相对于MODIS 模拟结果更加接近观测数据，优化了降水模拟。

(a) (b)

Figure 12. Ground water vapor flux, left column is MODIS, right column is GLC (unit: g/(hPa*cm²*s)) (a) 17:00 am on September 9th (b) 20:00 on September 9th

图12. 地面水汽通量，左列为MODIS，右列为GLC (单位：g/(hPa*cm²*s)) (a) 9月09日17时，(b) 9月09日20时

2) 动力场上，两个模拟降水区在涡度场垂直分布上较为相似，而在散度垂直分布上，GLC数据集模拟出的更弱的辐合区配置导致了更小垂直速度，从而在动力抬升方面优化了降水模拟。

3) 水汽条件上，近地面水汽含量分布与下垫面类型分布有一定的对应关系，在降水区附近，MODIS模拟出了更强的水汽含量；MODIS数据在不同高度上均模拟出了更强的水汽通量以及水汽通量辐合；GLC数据集模拟出更弱的水汽通量、水汽通量辐合，以及更少的水汽含量，减小了模拟的降水量，在水汽条件方面优化了降水模拟。

参考文献