利用日本气象厅葵花-8卫星亮温资料、欧洲中心ERA5(the fifth generation of European Centre for Medium-Range Weather Forecasts Reanalysis)再分析资料,根据时间尺度分解的局地能量诊断方法,本文从能量学多个角度研究了2016年6月5日00时(协调世界时,下同)至6日15时(持续40小时)一次东移并引发强降水的高原对流云团,得到了以下主要结论。本次事件中,高原东移对流云团在不同阶段的主要影响系统有所不同。移出高原前,其主要受高原涡和高原短波槽的共同影响,随着云团移出高原,高原涡消亡,而高原短波槽则随时间发展加强,成为东移云团的最主要影响系统。高原东移对流云团具有显著的深对流特征,自西向东引发了一系列的降水,移出高原后,其对流重心显著降低,降水达到最强。不同阶段高原东移对流云团的能量转换特征显著不同。云团位于高原上时(第一阶段),背景场通过动能的降尺度能量级串为造成强降水的扰动流直接提供能量,这是此阶段扰动流动能维持的主要方式;云团移出高原过程中(第二阶段),降水凝结潜热明显增强,由此制造的扰动有效位能也显著增强。在垂直运动配合下,扰动有效位能斜压释放所制造的动能是本阶段造成强降水扰动流动能维持的最主要能量来源;云团移出高原后(第三阶段),背景场对造成强降水扰动流的影响再次增强,但是不同于第一阶段的直接影响方式,该阶段背景场的作用是以一种间接的影响方式出现。其首先通过有效位能的降尺度级串将背景场的有效位能转换为扰动流的有效位能,然后通过扰动有效位能的斜压能量释放为扰动流的动能维持不断地提供能量。此外,本阶段内还出现了扰动流向背景场动能的升尺度级串供给(即扰动流的反馈),但其强度不足以对背景场的演变产生显著影响。
高原涡(TPV)是生成于青藏高原主体的一类浅薄中尺度涡旋系统,其发生频繁、影响范围广、造成灾害强,是我国最重要的致灾中尺度系统之一。全面揭示高原涡的统计特征是本领域研究的重要基础。其中,高原涡的精准识别是认识其统计特征的关键。随着高时空分辨率再分析资料的出现,高原涡的研究有了更好的数据基础,然而,无论是人工识别方法还是基于较粗分辨率的客观识别算法都难以高效地适用于当前的新再分析资料。因此,亟需发展一种高精度的、适用于高时空分辨率再分析资料的高原涡客观识别方法。本文提出了一种适用于高分辨率再分析资料、基于风场的限制涡度高原涡客观识别算法(Restricted-vorticity based Tibetan-Plateau-vortex Identifying Algorithm,简称RTIA)。该方法首先判断高原涡候选点,然后以候选点为中心,划分多个象限,通过象限平均风场限定条件和象限组逆时针旋转(北半球)条件确定高原涡中心,无需复杂计算及对各气压层分别设定阈值,即可快速实现高原涡的水平和垂直追踪。基于1979~2020年共42个暖季(5~9月)、15466个高原涡(共计99090时次)大样本的评估表明,RTIA方法识别高原涡的平均命中率超过95%,平均空报率低于9%,平均漏报率少于5%,可以十分准确地对高原涡进行识别。此外,评估还表明RTIA方法应用于不同空间分辨率的再分析资料(如0.5°或0.25°)时,仍能保持高原涡识别的高准确率,其识别结果主要受涡旋自身强度的影响,对弱涡旋的识别精度比强涡旋偏低。该方法对其他中尺度涡旋识别也具有一定的借鉴意义。
