东京中部夏季强降雨过程中降雨分布、地面风和可降水量的关系外文翻译资料

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

东京中部夏季强降雨过程中降雨分布、地面风和可降水量的关系

Yoshihito SETO

Graduate School of Urban Environmental Sciences, Tokyo Metropolitan University, Tokyo, Japan

Hitoshi YOKOYAMA, Tsuyoshi NAKATANI

National Research Institute for Earth Science and Disaster Resilience, Ibaraki, Japan

Haruo ANDO, Nobumitsu TSUNEMATSU

Tokyo Metropolitan Research Institute for Environmental Protection, Tokyo, Japan

Yoshinori SHOJI, Kenichi KUSUNOKI

Meteorological Research Institute, Ibaraki, Japan

Masaya NAKAYAMA

Information Technology Center, the University of Tokyo, Tokyo, Japan

Yuto SAITOH1, and Hideo TAKAHASHI

Graduate School of Urban Environmental Sciences, Tokyo Metropolitan University, Tokyo, Japan

摘要：利用2011-2013年7 - 8月日本东京高密度气象观测资料，研究了强降雨的发生与典型强降雨案例地面风和水汽浓度辐合的关系。此外，还比较了有无强降雨事件时的风辐合和水汽的时间变化。与强降雨区相对应，强降雨前几十分钟，地表风的辐合趋于增大。在强降雨发生前10 - 30分钟观测到辐合峰，辐合继续增加约30分钟，直到辐合峰时间。在强降雨区附近，水汽浓度指数的增加与辐合的增加是一致的。从这些结果可以看出，利用高密度观测网络监测这些参数的时间变化和分布，可以快速准确地预测强降雨的发生。

关键词：局部暴雨；风辐合；水汽；高密度观测

引言：近年来，东京市区夏季频繁发生短时强降雨，造成洪水、雷击停电等严重灾害。Fujibe等(2009)用118年逐时数据证明，东京在暖季下午和傍晚的降水有增加的趋势。Takahashi等(2011)利用高密度逐时降雨数据研究了东京都区的强降雨频率分布，发现强降雨的高频区域位于东京都区的西北部。此外，造成暴雨的单个积雨云的寿命通常不足一小时(Houze,1993)。因此，由于夏季雷暴在当地发展迅速，很难预测暴雨发生的地点和时间。近期研究指出，在强降雨之前可以观测到地面风的辐合。Fujibe等(2002)的研究表明，在东京市区降雨较多的日子，往往具有“E-S型”风模式，即东风和南风在东京市区附近辐合，而对流层中低层湿度较高。Nakanishi和Hara(2003)研究了东京市区降雨增强的日子里当地风的特征，发现冷外流增强了风的辐合。有人提出，通过监测强降雨前地表风的辐合，可以预测强降雨的发生(Takahashi 等,,2009)。此外，还研究了夏季雷暴引起的水汽场特征(如Yonetani等，1991;Iwasaki和Miki, 2002)。特别是，一些研究试图利用全球定位系统(GPS:Global Positioning System)获取关于水汽的信息，GPS是由美国维护的全球导航卫星系统(GNSS)(例如Sasaki和Kimura ，2001;Inoue和Inoue ，2007;Kusaka 等，2010)。利用GPS卫星的信号，可以连续准确地测量可降水量。Niimura等(2000)研究表明，GPS和射电探空仪观测的PWV值基本一致。他们还确定，当PWV值超过依赖于地表温度的阈值时，降雨发生的概率很高，但对于局域降雨来说，这种关系尚不清楚。Kanda 等(2000)以东京市区雷暴为例，研究GPS导出的数据PWV与降雨强度的时空关系。他们发现，在暴雨发生前1至2小时，可观察到PWV增加。因此，从积雨云的发展过程来看，与上升气流相对应的地面风的辐合和水汽的空间浓度应该发生在暴雨发生之前。通过监测这些特征，可以预测强降雨的发生。本研究旨在阐明短时强降雨的演化过程，为短时强降雨的局部预报提供依据。利用东京气象观测所得的高密度数据，研究了强降雨的发生与地面风和水汽浓度辐合的关系。

2.数据和方法

本研究使用了东京都市高中等30个气象站的Vaisala自动气象站WXT 510提供的详细天气数据。来自日本气象厅(JMA)的自动气象数据采集系统(AMeDAS)和来自东京市政府的雨量计(98个站)和空气污染监测系统(48个站)的数据也被使用。除海岛地区外，东京有138个降雨观测点和86个温度和地表风观测点(图1)。

图1.日本中部的地形图及观测点的分布.图8和图9中使用的雨量计位置用带有城市或测站名称的箭头表示.

本研究采用10分钟的温度、风和降雨量数据。a型雨量观测的分辨率根据数据而异:AMeDAS和雨量计(倾卸斗雨量计)的分辨率为1毫米或0.5毫米，自动气象站(压电传感器)的分辨率为0.01毫米。然而，由于我们主要关注的是强降雨事件，如降雨量大于每10分钟5毫米的事件，所以我们使用了观测值，没有考虑到它们之间的差异。在计算地面风的散度之前，我们使用6公里搜索半径的反向距离加权(IDW)插值，将风数据插值到间隔约2.5公里的网格点。各网格点的散度值采用中心差分计算:

其中u、v为各格点的速度分量;Dx和Dy分别为东西方向和南北方向网格点之间的距离;i和j是各自距离的网格号。以GPS分析得到的五分钟PWV值和水汽浓度(WVC)指数作为水汽量的指标。这些数据来源于日本地理空间信息局的GNSS地球观测站和在东京都会区对流研究支持下建立的活动站，如Shoji(2013)所述。PWV由GPS卫星信号对流层延迟计算得到，对应于从地表到大气顶部的垂直柱中所含的大气总水蒸气。此外，Shoji(2013)提出了“WVC指数”，表示以水汽水平梯度尺度高度为中心的下对流层水汽的辐散和辐合程度。PWV (NPWVG)的水平梯度可以由大气延迟梯度参数g估计，WVC指标代表NPWVG的辐合程度。这里的大气梯度(G)几乎不受接近大气层最低部分的水平梯度的影响;相反，靠近尺度高度的水平梯度对其影响更大(Shoji 2013)。因此，WVC指数代表了离地面2 - 3km处水汽的空间浓度，对应向上流动。

所使用的数据来自2011 - 2013年7月至8月的时间段。这段时间的总天数是186天。我们集中讨论了在以东京市区为中心的方圆30公里范围内发生的强降雨，因为计算散度需要高密度的风观测。在JST (日本标准时间) 1010 - 2200，东京市区任何观测点观测到10分钟降雨超过5毫米的日子称为强降雨日。在此期间，东京市区共有71个雨量观测点持续运作。目标时间是根据JST 0900时高空观测数据进行预测而确定的。利用该准则，选取34天为强降雨日，其余152天为非强降雨日。表1为选取的强降雨日数和10分钟最大降雨发生时间。

表1：选定的强降雨日数和每天10分钟最大降雨发生时间

除了地表风的辐合外，大气条件的不稳定也是导致强降雨发生的重要因素。大气稳定性指标虽多，但也有研究指出，表征低层至中层大气稳定性和湿度的肖沃特稳定（沙氏）指数(SSI)和K指数 (K-index)与雷暴的发生具有较好的相关性(Fujibe等,2002;Taguchi等,2002)。因此，为了检验强降雨日与非强降雨日之间的大气特征差异，使用了来自Tateno高空观测数据(http://weather.uwyo.edu/upperair/)计算的日SSI、k指数和对流有效位能(CAPE)。Tateno的位置如图1所示。SSI、K指数、CAPE值计算如下:

其中T850、T700、T500分别为850、700、500 hPa温度;D850和D700分别为850和700 hPa下的露点温度;TL和TP分别是一个850hpa等压面上的湿空气块沿干绝热线上升，达抬升凝结高度后再沿湿绝热线上升至500 hPa等压面上时具有的气块温度和在气压相等的条件下，具有和湿空气相等的密度时的干空气具有的温度;T是环境温度;LNB为中性浮力水平;LFC为自由对流能级;g是重力加速度。此外，还研究了典型强降雨情况下降雨分布与地面风和水汽分布辐合的关系。我们也评估了强降雨和非强降雨日在风辐合和水汽的时间变化上的差异。

3.结果与讨论

3.1 强降雨日大气稳定性特征

表2显示了强降雨和非强降雨日JST 0900时SSI、K指数和CAPE的百分位数值。由于SSI值为负值表示不稳定，所以SSI值按降序排列。

表2：强降雨和非强降雨日 JST 0900时SSI、K-index和CAPE的百分位数值，SSI值按降序排列

图2：2011年7月至2013年8月Tateno的SSI与k指数的关系。(a)0900 JST;(b) 2100 JST;(c)日最小SSI和日最大k指数。强降雨日是指在JST 1010 - 2200时，在东京市区的观测点观测到10分钟降雨超过5毫米的的日子。

图3所示。(a) 2013年8月12日JST 0900时的地面天气图及(b)显示AMeDAS在2013年8月12日1800时观测到的风矢量和温度分布图。(日本气象厅提供的天气图)

强降雨日与非强降雨日相比，大气稳定指数不稳定。在SSI和k指数值上，强降雨日的第25百分位数和非强降雨日的第75百分位数几乎相等。与此相反，在强降雨日的第25个百分位数的数值几乎与非强降雨日的中位数相等。强降雨日和非强降雨日的大气稳定指数差异在SSI和k指数值上较大，在CAPE上较小。因此，本研究采用与强降雨发生具有较好的相关性的SSI和K指数值来评价强降雨日的大气稳定性;并以强降雨日的第25个百分位数(SSI = 0.98, K-index = 31.8)作为强降雨发生的阈值。

图2为2011 - 2013年7 - 8月SSI与K指数的关系。在强降雨日，在JST 0900 (图2a)和JST 2100(图2b)， SSI和K指数均分布在不稳定侧。SSI的值lt; 0.98和K-indexge;31.8普遍观察到暴雨天;然而，其中13日和12日的强降雨分别在JST 0900时和2100时超出这些阈值。我们认为，在很多情况下，强降雨的发生与高空观测的时间差较大(表1)，而且在实际进行预报时，并没有强降雨后的高空数据。因此，为了预测强降雨的发生，有必要在接近于具有高时间分辨率的高空数据获得的降雨事件（几小时内）的时间使用大气稳定性（例如，区域客观分析数据）。然而，为了评价这些大气稳定指数对强降雨发生的可预测性，利用日最小SSI和日最大K指数得到的结果如图2c所示。如果阈值(SSI lt; 0.98和K-indexge;31.8)被认为是暴雨发生的标准,总共94天期间满足这些标准。34个强降雨日中有30天符合这些条件(发现概率:88%)。这一结果意味着可以使用距离东京都市区约50公里的Tateno的高空观测数据来评估大气稳定性（图1）。但在152个无强降雨日中，有64天符合上述条件(误检概率为42%)。因此，在预测强降雨事件时，需要考虑地表风的辐合、低层大气中水汽的浓度以及大气的稳定性。本研究以2013年8月12日发生在东京市区的暴雨为例，分析了地面风与水汽辐合的分布及时间变化。此外，我们将时间变化与2013年8月10日非强降雨情况进行了比较。选取这一天，是因为气压模式与2013年8月12日相似，且大气不稳定，满足条件的非强降雨日SSI值最小。

3.2 强降雨与风辐合和水汽分布的关系

2013年8月12日，东京市区西部发生暴雨，造成洪水灾害和电力中断。根据当日的天气图(图3a)，日本中部地区出现夏季气压模式，并没有出现台风、锋等扰动。关东地区的风系统表现为“e - s型”风型，东风和南风在东京附近辐合(图3b)。在JST 0900 ,SSI和K-index为minus;2.4和35.3,分别表明大气是不稳定的。在JST 1710，在东京都区的Itabashi，首次观测到10分钟降雨超过5毫米。在此之后，强降雨面积迅速增加，在JST 1830，Nerima (Shakujii)的最大小时降雨量为92毫米。

图4.2013年8月12日10分钟雨量(等值线:5mm间距，虚线2.5 mm)、风(矢量)、辐散(阴影)的分布。(a)1720 JST;(b) 1740 JST;(c) 1800 JST;(d) 1820 JST;(e) 1840 JST;(f) 1900 JST

图5.2013年8月12日气温(颜色)、风(矢量)、10分钟雨量(等值线:5毫米间距，虚线2.5毫米)分布.(a)1700 JST;(b) 1740 JS

图4为2013年8月12日JST 1720 至JST 1900 期间，以20分钟为间隔的10分钟降雨量，风和散度的分布。实线表示间隔5毫米的10分钟降雨量;虚线表示间隔2.5毫米的10分钟降雨量。JST 1700和JST 1740 温度分布如图5所示。在JST 1720(图4a)，东京市区北部出现强降雨区，并缓慢南移。相比之下，在JST 1740 (图4b)，另一个强降雨区出现在东京市区西南部，并向北移动。此时，来自北方强降雨区的东北风和来自南方强降雨区的东南风在东京市区西部和Koganei市交汇。在每个强降雨区域,从JST 1700 （图5a）到JST

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18068]，资料为PDF文档或Word文档，PDF文档可免费转换为Word