西南涡影响下重庆江北机场一次暴雨天气过程诊断分析及模式偏差分析
Diagnostic Analysis and Model Bias Assessment of a Heavy Rainfall Event at Chongqing Jiangbei Airport under the Influence of a Southwest Vortex
DOI: 10.12677/gser.2025.146121, PDF, HTML, XML,   
作者: 吴胜男, 伍见军, 廖 翼:中国民用航空西南地区空中交通管理局重庆分局,重庆
关键词: ERA5再分析资料西南涡模式偏差诊断分析ERA5 Reanalysis Data Southwest Vortex Model Bias Diagnostic Analysis
摘要: 利用ERA5再分析资料、模式探空资料对重庆江北机场2024年6月21日发生的一次大暴雨过程进行了诊断分析。结果表明:本次强降水过程环流背景复杂,500 hPa副高稳定与高原槽东移、700 hPa西南涡与850 hPa低涡叠加、地面锋面东移南下的多系统协同作用下,为水汽输送、动力抬升及不稳定能量积累提供较好条件。垂直速度场显示850~500 hPa整层强上升运动配合“高空辐散–低空辐合”机制,叠加低空高湿环境与CAPE激增、K指数升高,驱动此次强降水持续发展,该形势背景可作为典型的夏季西南涡暴雨理论模型。数值模式性能显示,SWC1KM、SWC3KM在落区位置和起始时间上表现一般,CMA-MESO综合表现较好。而睿图系统对降水开始时间及落区分布预报较准确,但降水量及落区精准度差异显著,其中SWC3KM最优、CMA-MESO次之、EC较差。
Abstract: Using ERA5 reanalysis data and model sounding data, a diagnostic analysis was conducted on a heavy rainfall event that occurred at Chongqing Jiangbei Airport on June 21, 2024. The results show that the background circulation of this intense precipitation event was complex: the 500 hPa subtropical high remained stable while the Tibetan Plateau trough shifted eastward, the 700 hPa southwest vortex and the 850 hPa low vortex overlapped, and the surface front moved eastward and southward. The synergistic effect of these multiple systems provided favorable conditions for moisture transport, dynamic lifting, and the accumulation of instability energy. The vertical velocity field indicated a strong upward motion through the 850~500 hPa layer combined with the “upper-level divergence-lower-level convergence” mechanism. Coupled with a low-level moist environment, a rapid increase in CAPE, and a rising K index, these factors drove the sustained development of heavy rainfall. This situation can serve as a typical theoretical model for summer Southwest Vortex heavy rainfall. The numerical model performance shows that SWC1KM and SWC3KM performed moderately in predicting the location and onset time of the rainfall area, while CMA-MESO performed relatively well overall. The Reitu System accurately predicted the start time and spatial distribution of precipitation, but there were significant differences in predicting rainfall intensity and the precision of affected areas, with SWC3KM performing the best, CMA-MESO second, and EC performing poorly.
文章引用:吴胜男, 伍见军, 廖翼. 西南涡影响下重庆江北机场一次暴雨天气过程诊断分析及模式偏差分析[J]. 地理科学研究, 2025, 14(6): 1270-1282. https://doi.org/10.12677/gser.2025.146121

1. 引言

强对流天气是影响航空运行的重要灾害性天气之一,其突发性、局地性和强破坏性对机场运行安全与效率构成严峻挑战[1]-[3]。2024年6月20~21日,重庆江北机场遭遇一次典型强雷雨天气过程,伴随短时强降水、雷电等强对流现象,导致航班大面积备降、流量控制及运行模式调整,对航空运输秩序产生显著影响[4]。此次过程降水强度大(过程降水量94.6毫米)、持续时间长(晚高峰时段集中降水),且与复杂的环流背景、显著的动力/水汽条件及数值模式预报偏差密切相关[5] [6]

近年来,随着航空运输需求的快速增长,极端天气对机场运行的影响日益凸显[7]。研究表明,强对流天气可直接导致航班延误、备降甚至取消,造成巨大的经济损失和旅客出行困扰[8] [9]。重庆地区地处四川盆地东部,受青藏高原地形和东亚季风共同影响,夏季强对流天气频发,具有降水强度大、局地性强、持续时间短等特点[10] [11]。然而,此类天气的形成机制复杂,涉及高低空环流系统协同、动力与水汽条件精细化匹配等多因素相互作用,预报难度较大[12]-[15]

本文基于实况观测数据、多源数值预报产品及物理量诊断结果,系统分析了此次强雷雨天气的环流背景、动力与水汽条件、预报服务保障措施及数值模式偏差特征,旨在揭示极端降水事件的形成机制,总结气象服务经验,为提升机场气象预报精准度与航空运行保障能力提供科学依据。

2. 过程概况与服务保障

2.1. 过程概况

2024年6月20日,本场最高气温28.9℃,21日凌晨到傍晚,重庆江北机场出现了一次强雷雨天气过程。从21日00:00~08:29间歇出现多次雷雨,雨量为中到大阵雨为主,过程降水量94.6毫米,达到暴雨量级。具体强度如图1所示:

Figure 1. Observed strong convective weather at the airport and terminal area (20~21 June 2024)

1. 2024年6月20~21日本场和终端区强对流天气实况

2.2. 服务保障

表1为6月20~21日整体预报和服务情况。在20日14时,预报室将精细化预报结论通报管制和运管委,并由机场运管委组织空管和气象开展视频会商,天气结论为本场对流天气将出现在21日05~12时,且主要以降水为主。在预战术阶段,15时气象与流量会商落实流控措施;18时30分发布终端区预警。在战术阶段,因判断天气可能提前,果断在21时14分发布机场警报;21日00时再次进行气象与流量会商以进一步落实流控措施。20日22时~21日08时29分共发布18份趋势预报,通过一系列不同时段、不同类型的预报、会商及措施落实工作,为机场运行提供全面气象服务支持。

Table 1. Meteorological service operations of the meteorological department on June 20~21

1. 6月20~21日气象部门服务情况

时间节点

服务情况

20日14时

将精细化预报结论通报管制和运管委

20日14时30分

机场运管委组织空管和气象开展视频会商

20日15时

气象与流量会商落实流控措施

20日18时30分

发布终端区预警

20日21时14分

发布机场警报

21日00时

00时气象与管制流量席会商进一步落实流控措施

此次天气过程共发布一份终端区预警和一份机场警报。终端区预警提前4小时发布,机场警报提前3小时发布。警报开始时间误差为0,结束时间偏晚3小时,整体发布误差较小。由于机场警报发布及时,从预战术阶段和战术阶段以及协同会商情况都尽量提前对用户进行了详细讲解。由于天气在晚高峰阶段出现且持续时间较长,还是造成31个航班备降周边机场;期间雷雨时段采用向北运行模式,流量限制两次,达13小时,02~03时雷雨有间隙,起降共38架次。

3. 环流背景分析

根据图2中的20日08时环流形势来看:200 hPa中高纬地区呈现两槽一脊型,中低纬为强大的青藏高压控制。而重庆处于高空偏西–西北气流(风速16 m/s),高空有强辐散;500 hPa中高纬度地区河套地区上有高空槽切变,中低纬度副高588线位于华南沿海,其南侧暖湿气流与高原波动槽共同作用,为降水提供水汽条件,重庆位于副高外围的西南气流影响,有利于水汽输送。700 hPa盆地中部切变辐合、850 hPa盆地东南部–贵州切变,促使气流强烈上升,易形成降水。925 hPa切变位置相对于850 hPa偏西。地面重庆虽位于均压场内,风力微弱,但周边的天气系统产生的水汽和不稳定能量能够影响到重庆地区,使得重庆出现持续性降水的概率增大。

Figure 2. Analysis of the synoptic field at 00:00 UTC on June 20th (Figures a~e respectively represent the circulation fields at 200 hPa, 500 hPa, 700 hPa, 850 hPa, and 925 hPa. Among them, the blue isopleths denote the geopotential height, with the unit of gpm; the red solid lines indicate positive temperature, and the red dashed lines indicate negative temperature, with the unit of ℃; the shaded areas denote the relative humidity, with the unit of %; the wind field is represented by wind barbs. Figure f is the surface synoptic field, in which the blue isopleths denote the sea-level pressure field, with the unit of hPa; the wind field is represented by wind barbs)

2. 6月20日00时(世界时)形势场分析(图a~e分别表示200 hPa、500 hPa、700 hPa、850 hPa和925 hPa环流场。其中蓝色等值线表位势高度,单位:gpm;红色实线表示正温度,红色虚线为负温度,单位:℃;阴影图表相对湿度,单位:%;风场用风羽图表示。图f为地面形势场,其中蓝色等值线:海平面气压场,单位:hPa;风场用风羽图表示)

Figure 3. Same as Figure 2, showing the synoptic field analysis at 12:00 (UTC) on June 20th

3.图2,时间是6月20日12时(世界时)形势场分析

根据图3中20日20时环流形势来看:200 hPa中高纬度和中低纬度形势与08时差别不大,但重庆上游存在弱波动,风速为12 m/s,这一弱波动可能会触发局地大气的不稳定,影响低层天气系统的发展。500 hPa高度层,中高纬度河套地区的高空槽逐渐东移,中低纬度副高西伸北抬。副热带高压西伸至华南一带,其南侧偏东气流持续向重庆输送暖湿水汽,同时高原槽已东移至盆地中部,该槽的缓慢移动与暖湿气流交汇,为重庆地区上空的云系发展和降水提供了有利条件。700 hPa高度层,盆地中部的切变辐合显著增强,西南涡开始逐渐形成。而850 hPa上盆地东南部的切变进一步发展并加强为低涡,低涡环流可引导更多水汽和能量向重庆方向输送,同时增强垂直上升运动,使得降水效率进一步提高。925 hPa环流形势与850 hPa基本一致。地面图上,盆地东北部有锋面形成,锋面是冷暖空气的交界,锋面附近气流辐合强烈,配合高层及中低层的环流形势,冷空气南下会激发对流活动,进一步增加重庆地区的降水概率。

Figure 4. Same as Figure 2, showing the synoptic field analysis at 00:00 (UTC) on June 21st

4.图2,时间是6月21日00时(世界时)形势场分析

根据图4中21日08时环流形势来看:从形势上看前期关键影响系统高层高原槽和低层西南涡持续东移,并逐渐减弱,但它在东移过程中仍然与西南气流相互配合,不断影响着重庆东部上空。从地面来看,盆地东北部有锋面正在东移南下,锋面是冷暖空气的交界地带,锋面的移动会使得冷暖空气交汇更加剧烈,触发不稳定能量的释放。在重庆东部地区,地面锋面的靠近与上空的西南涡、低涡的共同作用,使得大气进一步不稳定,为重庆区域东部航路上降水继续提供有利条件,使得区域整体降水持续到了21日20时。

4. 物理量诊断分析

4.1. 动力条件

图5(a)垂直速度场的时间–高度剖面图可见,21日00时(北京时)前850 hPa以下近地面层,垂直速度零星出现弱负值,但500 hPa以上多为正值,以下沉运动为主。以20日20时为例,850~500 hPa垂直速度在−0.2~0.2 Pa/s波动,说明大气以弱对流为主:近地面虽有微弱上升运动,但高层下沉气流产生抑制作用,无法形成持续抬升。21日00~03时850~500 hPa负垂直速度区快速扩张,从00时−0.4 Pa/s,到02时覆盖850~500 hPa整层,且中心值达−1.6 Pa/s。这一阶段,近地面暖湿气流受地形和低层天气系统触发开始抬升,中层气流加入,逐步形成整层上升通道,水汽被快速拽入高空,云系从碎积云向积雨云发展,为暴雨储备水汽条件。21日04~07时负垂直速度中心突破−2.0 Pa/s,且下沉运动(正值区)被压缩至200 hPa以上极窄区域。强上升运动以>1 Pa/s的速度将低层水汽(如850 hPa饱和湿空气)抬升至−10℃层(约500 hPa),触发剧烈凝结。1 g水汽凝结释放2500 J潜热,又加热大气加剧上升,形成正反馈机制,对应时段降水强度往往最大。21日08时后:850~500 hPa垂直速度转为0~0.4 Pa/s (弱下沉/平流),仅近地面残留极弱负值。高层下沉气流全面下压,水汽凝结过程收到抑制,降水迅速减弱至小雨直至停歇。

Figure 5. (a) Vertical velocity (Pa/s) and (b) divergence (105∙s1) time-height cross-section at Jiangbei Airport (106.5˚E, 29.5˚N) from 00:00 UTC 20 June to 21:00 UTC 21 June 2024

5. 6月20日00时至6月21日21时(世界时)江北机场(106.5˚E, 29.5˚N) (a) 垂直速度(单位:Pa/s)与(b) 散度(105∙s1) 时间–高度剖面图

图5(b)散度场显示在雷雨时段(21日00~08时) 700 hPa以上为正值(最大值 > 0.00015/s),表明高空辐散极强,而700 hPa以下为负的散度(最小值 < −0.0001/s),体现低空强辐合。这种“高空辐散–低空辐合”的垂直配置形成了稳定的抽吸机制,使得对流系统能够持续发展,且水汽不断在低空辐合区凝结释放潜热,进一步加强对流,重庆地区出现了极易产生持续性强降水。高层辐散抽吸为空气上升提供动力支撑,中层西南气流与高原槽持续输送水汽并激发不稳定能量,低空西南涡与低涡叠加使辐合抬升作用达到最强,三者共同构成了一个完整的水汽输送、能量激发和垂直运动维持的物理过程,最终导致强降水持续发生。

4.2. 水汽条件

Figure 6. Relative humidity (%) time-height cross-section at Jiangbei Airport (106.5˚E, 29.5˚N) from 00:00 on 20 June to 21:00 on 21 June 2024 (UTC)

6. 6月20日00时至6月21日21时(世界时)江北机场(106.5˚E, 29.5˚N)相对湿度(%)时间–高度剖面图

图6重庆江北机场的相对湿度时间–高度剖面图可以看出,21日00~08时(北京时)的暴雨时段内,低空(850~700 hPa)相对湿度持续维持在80%以上,部分区域接近饱和状态,表明该时段低层水汽条件极为充沛,为暴雨提供了充足的水汽供应。这种深厚且稳定的高湿层结构,配合天气系统的动力抬升作用,极易形成强降水。特别是在近地面层(900 hPa附近)湿度持续偏高的情况下,大气接近饱和状态,进一步增强了降水的强度和效率。这一高湿特征与暴雨的发生发展密切相关,是此次强降水过程的重要条件。

4.3. 探空资料及能见条件分析

图7为重庆江北机场2024年6月20日08时至21日08时(北京时)各探空指数对比:初始阶段(20日08时),T85 (19.8℃)与T75 (14.2℃)的较大垂直温差(5.6℃)表明低层水汽凝结潜热释放空间充足,但高层水汽含量偏低,对流不强;对流发展期(20日20时),T85与T75同步下降(分别至19.3℃和12.5℃),垂直温差缩小至6.8℃,反映对流活动增强导致水汽垂直输送加剧,高层水汽得到补充但补充量有限;后期(21日08时),T85回升至20℃ (略高于初值)而T75显著升至20℃,垂直温差归零,显示近地面水汽可能因持续辐合堆积而趋于过饱和,或对流系统通过降水过程消耗中层水汽,造成高层水汽“抬升”效应,这一变化可能削弱后续对流动能的维持能力。总体来看,水汽条件从初期有利于对流启动,经对流发展期的高效垂直输送,最终演变为近地面水汽过饱和与高层水汽相对匮乏的格局,因此在降水后期降水量达到一定量级后,迅速结束。

同时,图7中其余大气不稳定能量指数经历显著演变过程:20日08时CAPE仅为49.1 J/kg (极低值),配合SI = 0.85的正值,表明大气层结稳定,需强外力才能触发对流;至20日20时,CAPE激增至362.4 J/kg (中等偏强),同时SI骤降至−0.34 (负值),K指数从37.7升至40.2,反映低层暖湿、高层干冷的强不稳定层结形成,中层湿度显著增加,对流抑制能量快速消散,大气进入强对流活跃状态;21日08时CAPE回落至30.4 J/kg (弱值),显示对流活动减弱,不稳定能量耗尽。综合来看,20日20时达到能量释放峰值,CAPE与K指数共同驱动强对流发展,而21日08时能量显著衰减,对流活动减弱,需关注后续水汽补充或新触发机制能否再次激发强对流。

Figure 7. Sounding indices comparison at Jiangbei Airport (106.5˚E, 29.5˚N) from 08:00 BST on 20 June to 08:00 BST on 21 June 2024 (Beijing time) (temperature unit: ℃)

7. 重庆江北机场2024年6月20日08时至21日08时(北京时)各探空资料能量指数对比(温度单位:℃)

5. 数值模式偏差分析

5.1. 雷达外推偏差分析

由于此次雷雨天气发生在夜间,预报员临近分析主要参考雷达外推资料。因此本节主要开展多模式雷达产品的对比分析。综合各数值预报模式对此次降水过程的预报情况来看(图8~10),不同模式的预报效果存在显著差异。图8中SWC1KM模式(1 KM高分辨率区域模式)预报表现一般,预计降水开始时间为21日01时,不过落区偏南。图9中SWC3KM模式(3 KM高分辨率区域模式)同样预报表现一般,在20日10时初始场进行调整后,预计降水开始时间为21日00~01时,落区与相近模式相当。图10中CMA-MESO (中国气象局中尺度模式)模式表现较好,对落区和天气开始时间的预报相对准确,预计降水开始时间在20日23时~21日00时,落区与其他模式相近。因此在临近预报过程中需持续关注各模式订正后的预报以及实际天气变化情况,以便及时准确地掌握强对流天气发生时间及落区动态。

Figure 8. SWC1KM radar extrapolation (unit: dBZ)

8. SWC1KM雷达外推(单位:dbz)

Figure 9. SWC3KM radar extrapolation (unit: dBZ)

9. SWC3KM雷达外推(单位:dbz)

Figure 10. CMA-MESO radar extrapolation (unit: dBZ)

10. CMA-MESO雷达外推(单位:dbz)

5.2. 降水量预报分析

Figure 11. Extrapolated precipitation forecast of the Ruitu system (unit: mm)

11. 睿图系统降水量预报外推(单位:mm)

Figure 12. Comparison of precipitation forecasts among the SWC3KM, CMA-MESO, and ECMWF models (unit: mm)

12. SWC3KM、CMA-MESO以及ECMWF模式对降水量预测对比(单位:mm)

根据图11~12所示,本次对降水量预报效果综合评估显示:睿图系统(由北京城市气象研究院提供的一种快速更新多尺度分析和预报系统)对降水开始时间(20日23时至21日00时)及落区空间分布的预报较为准确,与实际过程吻合度较高;从降水量及落区精准度看,各模式表现存在显著差异——SWC3KM (高分辨率区域模式)预报效果最优,对降雨量级和落区位置的把握最为准确;CMA-MESO (中国气象局中尺度模式)次之,整体预报质量良好但略逊于SWC3KM;EC (欧洲中期天气预报中心模式)表现相对较差,在降水量或落区预报上偏差较明显。业务应用中可结合模式优势,优先参考SWC3KM的精细化预报结果。

6. 总结分析

这是一次典型的由西南涡触发的强对流天气过程,具有持续时间长、影响范围广等特点。通过精准预报和高效保障服务,最大限度地降低了天气过程对航班运行的影响。其形成与维持机制可归纳为以下关键点:

(1) 环流背景复杂,多系统协同作用:从20日08时至21日08时,500 hPa副高稳定与高原槽东移、700 hPa西南涡与850 hPa低涡叠加、地面锋面东移南下的多系统协同作用下,为水汽输送、动力抬升及不稳定能量积累提供较好条件。垂直速度场显示强上升运动并,配合“高空辐散–低空辐合”的抽吸机制,形成持续的水汽垂直输送通道,为暴雨提供了充足的水汽供应。该形势背景可作为典型的夏季西南涡暴雨理论模型。

(2) 数值模式存在偏差。整体来看SWC1KM (1KM模式)预报一般,SWC3KM (3KM模式)调整初始场后仍表现一般,CMA-MESO (中尺度模式)表现较好。睿图系统对降水开始时间及落区分布预报较准确,但降水量及落区精准度差异显著——SWC3KM最优(量级和落区最准)、CMA-MESO次之(良好但略逊)、EC较差(偏差明显)。

参考文献

[1] 张曦, 黄兴友, 刘新安, 等. 北京大兴国际机场相控阵雷达强对流天气监测[J]. 应用气象学报, 2022, 33(2): 192-204.
[2] 周元, 魏鸣, 宋立雪. AMDAR资料的风温信息在机场终端区强对流天气分析中的应用[J]. 大气科学学报, 2019, 42(2): 303-310.
[3] 刘峰, 敖淑珍, 林智, 等. 影响广州白云机场的一次强对流天气过程[J]. 广东气象, 2008(3): 17-20.
[4] 马俊丞, 刘昊峰. 强对流天气对民航飞行活动的影响及精细化服务对策[J]. 农业灾害研究, 2024, 14(12): 175-177.
[5] 丛芳, 陈朝平. 四川两次副高边缘型暴雨的预报偏差分析及模式检验对比[J]. 中低纬山地气象, 2022, 46(3): 39-46.
[6] 孙悦, 云天, 姚帅, 等. 2023年8月吉林省一次极端暴雨过程预报偏差分析[J]. 气象灾害防御, 2025, 32(2): 1-7.
[7] 顾绍康. 航班延误的预测、评估与事后分析研究[D]: [硕士学位论文]. 天津: 中国民航大学, 2015.
[8] 梁秋枫, 苏蕾, 林航. 厦门机场一次强对流天气的气象保障分析[J]. 中国民航飞行学院学报, 2024, 35(4): 55-59.
[9] 甘雨霖. 强对流天气下航路通行能力评估研究[D]: [硕士学位论文]. 德阳: 中国民用航空飞行学院, 2021.
[10] 王晓娟, 邓荣耀, 陈三春. 四川盆地一次阵风锋触发的局地强对流天气雷达特征分析[J]. 高原山地气象研究, 2018, 38(2): 62-66.
[11] 牟容, 余君, 刘德. 重庆2008年7月21日强对流天气成因及其特征[J]. 气象, 2009, 35(5): 49-54+133-134.
[12] 郑永光, 陶祖钰, 俞小鼎. 强对流天气预报的一些基本问题[J]. 气象, 2017, 43(6): 641-652.
[13] 郑永光, 周康辉, 盛杰, 等. 强对流天气监测预报预警技术进展[J]. 应用气象学报, 2015, 26(6): 641-657.
[14] 徐双柱, 韦惠红. 关于强对流天气预报的几点思考[J]. 暴雨灾害, 2016, 35(3): 197-202.
[15] 孙继松, 陶祖钰. 强对流天气分析与预报中的若干基本问题[J]. 气象, 2012, 38(2): 164-173.