梅雨期暴雨系統的流依賴中尺度可預報性

劉建勇 談哲敏 顧思南

1 南京大學中尺度災害性天氣教育部重點實驗室、大氣科學學院,南京 210093

2 寧波市氣象臺,寧波 315012

梅雨期暴雨系統的流依賴中尺度可預報性

劉建勇1,2談哲敏1顧思南2

1 南京大學中尺度災害性天氣教育部重點實驗室、大氣科學學院,南京 210093

2 寧波市氣象臺,寧波 315012

中尺度天氣系統的初值敏感性,導致了中尺度系統預報極限的存在。中尺度系統的初始誤差的快速增長及其中尺度可預報性依賴于系統流的特征。梅雨暴雨形成是多尺度天氣系統共同作用的結果,決定了梅雨期暴雨的形成機制的多樣性,也決定了其初值敏感性的差異性。本文重點對比分析了五種不同類型的梅雨暴雨的誤差增長特征及其機制。冷空氣抬升、低層渦旋、邊界層冷池、重力波等在梅雨期暴雨系統的誤差增長發揮著重要作用,它們通過不同方式促使初始誤差由小尺度向大尺度傳遞。利用初始隨機擾動和系統擾動方法構造的初始誤差試驗表明,系統擾動試驗中誤差的初始調整較小,能夠快速到達誤差最優增長尺度。

冷槽推進型的誤差擾動尺度大,冷空氣抬升控制不穩定區域的誤差尺度,可預報性強;西南渦移出型和北槽南渦型的低層渦旋平流作用抵消渦旋內的正負偏差,加快了誤差能量向大尺度傳遞,提高了暖季降水的預報技巧;自組織型中重力波、冷池強迫抬升等擬連機制使得誤差能量快速頻散,出現誤差在多個尺度上共同增長,且誤差飽和尺度小于上述三種類型,可預報性略差;受局地地形和熱力條件影響,非組織局地型的中小尺度誤差能量很難飽和,可預報性最差。

梅雨期暴雨的誤差結構主要決定于暴雨形成中起主要作用的系統。冷空氣抬升使得冷槽推進型暴雨中誤差沿鋒面垂直傾斜;冷空氣侵入致使冷槽推進型和北槽南渦型的中層溫度誤差出現顯著性增長;在西南渦移出型、北槽南渦型、自組織型、非組織局地類型中,冷池的形成導致出現了低層的高動量偏差;在所有的暴雨類型中,在對流發展后期,誤差向高層傳遞并增大,導致在高層出現大誤差帶。

誤差增長 中尺度可預報性 暴雨 梅雨類型

1 引言

關于大氣可預報性問題最早由 Thompson(1957)和Lorenz(1969)在20世紀60年代提出,特別對天氣尺度的可預報性有較深入的研究。近年來,關于大氣可預報性已經從單純的預報性時間尺度問題向與大氣可預報性有著本質聯系的初始誤差增長動力學研究轉變 (Hollingsworth and L?nnberg,1986;Dalcher and Kalnay,1987)。Dalcher and Kalnay(1987)對歐洲中期天氣預報中心 (ECMWF)的10天預報產品進行統計分析,發現初始誤差增長取決于二維空間的總波數而不單單是緯向波數。Ho llingswo rth and L?nnberg(1986)利用 ECMWF的全球資料同化系統分析北美地區的風場誤差分布特征,發現風場的預報誤差主要由天氣尺度流函數控制。Hakim(2005)利用集合預報業務分析系統估測了中緯度地區預報和分析的誤差垂直結構,研究結果表明水平風場誤差的最大值位于對流層頂,而溫度誤差的最大值位于對流層低層。通過對高層風場的加密觀測和增加高層擾動的集合預報成員,可以有效地提高中緯度數值天氣預報的技巧,而低層預報誤差的增長可能與邊界層參數化的模式誤差有關,因為數值預報模式中邊界層風場的日變化不明顯,需要改進模式的邊界層參數化。Rabier et al.(1996)利用伴隨模式研究初始條件對短期數值預報的誤差增長影響,指出由于季節、預報區域的差異,其預報的初值敏感區域各不相同,冬季太平洋是歐洲地區預報的最敏感區域,還發現誤差會快速由小尺度向大尺度和高層傳播,這些理論結果為資料同化系統完善和預報技巧提高提供了基礎。

初始誤差增長機制和誤差結構主要取決于大氣背景流場的不穩定性質。Langland et al.(2002)利用伴隨方法研究美國一次暴雪過程,發現初始誤差增長主要是由斜壓不穩定決定,但其研究側重于天氣尺度的斜壓波,沒有考慮濕對流不穩定引起的中尺度降水的預報偏差。Zhang et al.(2002,2003)和 Tan et al.(2004)分別從實際個例和理論模型證明了濕物理過程對于含有濕對流的斜壓系統誤差增長起關鍵作用,誤差尺度分布完全取決于濕過程,誤差增長與濕對流強度密切相關。然而暖季降水通常斜壓性偏弱、對流不穩定性強、多尺度系統相互作用復雜,大氣流型結構與冬季斜壓波系統有顯著差異,它的誤差增長有著自身的特點。Zhang et al.(2006)通過對美國一次暖季極端降水過程的研究,發現小尺度誤差向大尺度傳播偏慢,誤差能量主要集中在中小尺度。Bei and Zhang(2007)針對一次中國江淮梅雨個例進行初值敏感性分析,發現大尺度、大振幅的誤差會對梅雨暴雨造成更大的預報偏差,小尺度、小振幅的初始誤差也會迅速增長并向大尺度傳遞,最終污染確定性預報。這與Tribbia and Baum hheifner(2004)的初始誤差能量串級相類似,大尺度誤差會向小尺度傳遞,小尺度誤差也會向大尺度傳遞。朱本璐等 (2009)在華南前汛期暴雨初始擾動試驗中發現,降水對溫度擾動最為敏感,小振幅的擾動非線性增長,很快就會影響大尺度降水,不利于提高小尺度降水的預報時效。Liu and Tan(2009)通過對一次典型梅雨暴雨研究,發現整個暴雨過程的初始誤差增長存在明顯階段性特征。第一階段對流不穩定造成誤差的振幅快速增長,第二階段通過能量頻散誤差尺度增長,第三階段誤差尺度飽和而新生對流引起振幅再次增長。所以,不同大氣流型特征可以導致不同的誤差增長機制,即為流依賴可預報性 (flow-dependent predictability),根據大氣流型結構 (flow regime)可以構造不同的初始擾動成員,從而能更好地提高預報技巧和時效 (Hamill et al.,2003)

梅雨鋒暴雨是副熱帶高壓、南海季風涌、中高緯度冷空氣和青藏高原中尺度對流系統的最佳鎖定,當這些系統同時處于活躍階段時,容易形成大范圍、長時間的梅雨鋒暴雨 (張順利等,2002)。另外,一般活躍的梅雨鋒由多種α、β、γ中尺度天氣系統相依存組成 (A kiyama 1990)。梅雨鋒上的大尺度云系一般可由尺度約1000～2000 km的α中尺度云系組成,而在α中尺度云系中包含尺度約100～200 km的β中尺度云系,通過β中尺度系統合并、加強反過來維持α中尺度系統,在β中尺度云系中又嵌套著更小尺度的γ中尺度系統 (Ninomiya and A kiyama,1992)。梅雨鋒這種多尺度天氣系統的復雜組成及其相互作用決定了梅雨鋒暴雨類型的多樣化。根據梅雨期暴雨形成機制的不同,劉建勇等 (2010)將梅雨暴雨分為外強迫型、自組織型和非組織局地型三種類型。其中,外強迫型又可分冷槽推進型、西南渦移出型和北槽南渦型三種子類型。雖然,它們同屬于暖季降水,但它們的流型結構和形成機制具有較大的差異,而梅雨暴雨的初始誤差增長及其可預報性與暴雨的形成機制和流型結構密切相關 (Liu and Tan,2009)。所以,研究不同類型梅雨期暴雨是否具有明顯不同的初始誤差增長特征,對梅雨期暴雨的認識和預報水平的提高有重要意義。本文將通過對冷槽推進型(MCT)、西南渦移出型 (WSV)、北槽南渦型(NTSV)、自組織型 (SO)和非組織局地型 (NOL)五種梅雨期暴雨類型的初始誤差的增長機制及其誤差分布結構的對比分析,進一步認識梅雨暴雨系統的初始誤差增長及其中尺度可預報性極限差異,從而為改進梅雨暴雨的數值預報技巧提供參考。

本研究將首先選取劉建勇等 (2010)根據不同的形成機制劃分的五類梅雨期暴雨的典型個例,設計相應的可預報性數值試驗,分析其初始誤差的增長特征。

2 數值試驗設計

本文采用中尺度數值模式MM 5對比分析五種不同類型的梅雨鋒暴天氣過程中的初始誤差增長特征。模式試驗采用單向的兩層嵌套,水平分辨率分別為36 km和12 km,垂直23層,中心為 (35.0°N,110.7°E),內外層計算范圍分別為121×173和268×268格點,內層區域涵蓋四川盆地和整個江淮流域。模擬采用比較完整的濕物理過程Reisner2方案,它可分辨云、雨、冰、雪、霰等不同相態的水凝物;對流參數化采用對流有效位能釋放方案 Kain-Fritsch修改參數化方案 (Kain and Fritsch,1993;Kain,2004);行星邊界層和湍流過程采用 MRF方案(Hong and Pan,1996);輻射采用包含長波輻射和短波輻射參數化方案的簡單云方案。初始場和側邊界采用時間間隔6小時、分辨率1°×1°FNL(Final Global Data A ssimilation System)再分析資料,數值模式內外兩層 (D01、D02)單向嵌套積分48小時,其中內層D02為分析范圍 (圖1)。

為了研究梅雨期暴雨系統的中尺度可預報性及其初始誤差增長特征,設計了三組試驗:控制試驗(CNTL)、隨機誤差擾動試驗 (PERT-R)和系統誤差擾動試驗 (PERT-S)。具體試驗內容如下:

控制試驗 (CNTL):由D01、D02的初始分析場積分48小時,D02的側邊界由D01提供,D02結果作為分析之用。

隨機誤差擾動試驗 (PERT-R):外層區域(D01)的初始場和側邊界與控制試驗 (CNTL)相同,但在內層 (D02)區域初始場由控制試驗的初始場中疊加一個高斯分布隨機誤差溫度擾動組成,其初始誤差的誤差標準差T′=0.2 K,具體初始誤差的設計與 Tan et al.(2004)相同。與控制試驗相同,D02的側邊界由D01提供。與 Tan et al.(2004)相類似,將D02中擾動試驗 (PERTR、PERT-S)與控制試驗 (CNTL)之差定義為誤差。

系統誤差擾動試驗 (PERT-S):與隨機誤差擾動試驗 (PERT-R)的差異主要是引入初始誤差的結構與性質不同。在該試驗中,初始誤差是通過與集合預報的生長繁殖法 (Toth and Kalnay,1997)相類似的方法來構造。具體的初始誤差構造過程如下:在模式開始進行擾動試驗的前三天,在內層D02的初值場首先引入與 PERT-R相同的隨機擾動誤差,每積分24小時擾動誤差振幅調整一次,使得擾動誤差總能量與積分前相等,再將其疊加到新的初始場進行擾動的繁殖增長,三次循環調整后的繁殖增長的誤差作為系統誤差擾動試驗 (PERTS)的初始誤差。

圖1 MM 5模擬區域和地形 (單位:m)。區域D01、D02的水平分辨率:36 km、12 kmFig.1 MM 5 model domains and terrain(units:m).The grid resolutionsof domain 1(D01)and domain 2(D02)are 36 and 12 km,respectively

顯然,對于初始誤差為隨機誤差時 (PERTR),這種初始誤差是一種格點性質的隨機擾動,雖然各個尺度波動振幅相同,但總能量集中在格點尺度,它主要是由初值過程的觀測不確定性和初始分析引入。然而,通過繁殖模增長構造的初始誤差(PERT-S),由于通過多次擾動繁殖增長過程,其誤差可以更好地反映出背景場的特征。所以,繁殖增長方法大量被應用于集合預報的初值構造中。本文采用兩種不同構造的初始誤差,其目的是更好地反映出梅雨期暴雨系統的初始誤差增長特征及其中尺度可預報性的限制。

為了能揭示梅雨期暴雨系統的中尺度可預報性的流依賴特征,根據劉建勇等 (2010)劃分梅雨期暴雨分類:冷槽推進型 (MCT)、西南渦移出型(WSV)、北槽南渦型 (NTSV)、自組織型 (SO)和非組織局地型 (NOL)五種暴雨類型,分別選取相應類型的典型個例,總計五個個例進行中尺度的可預報性研究。具體五個個例的特征見表1。

3 誤差的總體特征:能譜尺度結構

本文采用 Zhang et al.(2003)和 Tan et al.(2004)定義的總體誤差能量DTE(Difference Total Energy)來衡量誤差增長特征,它可以綜合考慮初始誤差導致的動能偏差和位能偏差兩者的共同效果,其定義為:

其中 ,U′、V′和T′分別是 PERT-R(或 PERT-S)試驗和CNTL試驗之間的風場偏差和溫度偏差,κ=cp/Tr(參考溫度Tr=287K),cp為定壓比熱容,i、j覆蓋內層區域水平空間,k包括扣除上下邊界外的所有層次。

圖2為初始誤差是隨機誤差的五類梅雨期暴雨的誤差能譜結構。由圖2可知,其初始誤差主要位于在小尺度,而大尺度誤差能量較小,誤差尺度和其能量在對數坐標中呈線性關系,這與 Tan et al.(2004)的初始誤差結構相類似。為了敘述方便,避免與氣象學一般尺度分類相混淆,文中定義三個特征尺度:小尺度 (≤80 km)、中尺度 (80～200 km)、大尺度 (≥200 km)來分析誤差尺度。在擾動試驗 (PERT-R,PERT-S)的積分初始階段中,總體誤差能量 (D TE)在小尺度衰減最為明顯,誤差能量衰減與模式耗散調整有關 (Snyder et al.,2003),但在不同類型暴雨過程中,其流型結構可以影響初始誤差能量的衰減幅度和尺度。從3小時誤差能譜與初始時刻誤差能譜交點可以發現 (圖2),經過 3小時積分調整,在隨機擾動試驗(PERT-R)中,冷槽推進型 (圖2a)、西南渦移出型(圖2b)和北槽南渦型 (圖2c)的70 km以下尺度的誤差能量小于初始狀態,70 km以上尺度誤差都開始快速增長。而自組織型 (圖2d)誤差增長的尺度寬度明顯大于上述三種類型,50 km以上尺度的誤差均已快速增長。由于在冷槽推進型和西南渦移出型的個例中都有斜壓槽活動,斜壓槽前的不穩定對流活動發展迅速,誤差擾動能量也隨之增長,不利于大尺度擾動誤差能量的衰減。北槽南渦型個例中的對流啟動較晚,誤差能量的維持來自于大尺度不穩定,此時總體誤差能量小于其它三種類型。自組織型個例的初始階段有移動冷槽在高緯地區活動,大尺度誤差衰減同樣很小,并且對流活動旺盛,中尺度誤差能量能夠快速增長。非組織局地型個例 (圖 2e)有槽前對流云團活動,形成 40～50 km尺度的能量峰值,但該峰值隨后迅速衰減。誤差能量初始增長主要由浮力項 (包括潛熱釋放、蒸發冷卻、云水和雨水的垂直輸送)、誤差平流輸送項和擴散項三部分,而最初階段主要是由浮力項和擴散項控制 (Zhang et al,2007)。0～3小時,冷槽推進型和自組織型的對流活動尺度大、啟動早,造成0～3小時圖2a、d比較接近;北槽南渦型和非組織局地型的對流啟動晚,誤差增長的浮力項小,造成圖2c、e誤差小而且尺度均勻。

表1 不同類型的梅雨期暴雨過程Table 1 The description of five typesof heavy rainfall associated with Meiyu front

隨后12小時中,不同暴雨類型的隨機擾動誤差能量都迅速增長,50～80 km尺度的誤差能量增長最快,這與嵌套在梅雨鋒系統γ中尺度對流系統最先得到充分發展有關。這一階段誤差能量增長最為迅速,誤差增長的幅度與降水的階段性特征有關(Liu and Tan,2009)。當至24小時,五種類型的暴雨系統都達到旺盛發展階段,誤差能量尺度和振幅得到充分發展。冷槽推進型中槽前組織性抬升和大尺度的斜壓不穩定通過控制對流的空間結構,影響誤差能量的尺度分布。它的對流活動平緩并且系統組織性強,對流尺度的誤差通過能量頻散能夠很快向更大尺度傳遞。五種類型的暴雨系統中,冷槽推進型的誤差能量尺度傳遞速度最快,至24小時最優增長尺度已經由100 km傳向200 km左右 (圖2a),但仍然低于含有對流系統的濕斜壓波的最優增長尺度 (Tan et al.,2004)。西南渦移出型的誤差能量的振幅增長最快,尺度主要集中在100 km以下,最優尺度特征明顯。在此期間,西南渦移出形成的新生渦旋快速發展,旺盛的新生對流附近的對流不穩定性強,大量的凝結潛熱釋放和風場、氣壓場的適應調整引起中小尺度的誤差能量迅速堆積,此時中小尺度能量堆積速度快于大氣能量頻散過程,形成80～100 km的誤差能量峰值 (圖2b)。初始階段誤差擾動能量衰減最強的北槽南渦型的中小尺度誤差在12～24小時的增長幅度變大,它的誤差最優增長尺度的峰值能量已經接近冷槽推進型和自組織型,但大尺度誤差能量仍然很小。北槽南渦型的渦旋組織系統尺度小,短波槽前的對流活動隨著渦旋系統發展而逐漸組織化,造成小尺度誤差能量能夠快速發展,大尺度誤差能量增長緩慢,形成跨越幅度較大的50～200 km最優增長尺度。自組織型中小尺度誤差能量增長速度僅次于西南渦移出型,它的誤差最優增長尺度特征不明顯,各個尺度同時增長。非組織局地型的誤差主要由周圍環境系統造成,高緯地區的冷槽和副熱帶高壓南側海上的對流活動是誤差的主要來源,處于浙閩一帶的局地強對流的誤差增長相對比較小,誤差能譜結構接近冷槽推進型,誤差能量振幅最小。

圖2 隨機擾動試驗的誤差能譜曲線:(a)冷槽推進型;(b)西南渦移出型;(c)北槽南渦型;(d)自組織型;(e)非組織局地型Fig.2 Power spectra of DTE in the random perturbation(PERT-R)experiments of five types of heavy rainfall(a)MCT,(b)WSV,(c)NTSV,(d)SO,and(e)NOL

在暴雨發展后期,至模擬36小時后,五種類型中的誤差能量的尺度分布非常相似,中小尺度誤差能量已經到達飽和,在60 km以下尺度的誤差能量在過去12小時中幾乎沒有大的變化。冷槽推進型的最優增長尺度仍然最大,北槽南渦的最優增長尺度最小,這與對流活動強度和性質密切相關。孤立對流活動越強,誤差能量在小尺度堆積也就越多,誤差最優增長尺度也就越小;系統性對流活動越平緩,誤差最優增長尺度也就越大。梅雨暴雨是一種連續性多系統的暴雨系統,舊的對流活動剛消亡就會有新生對流系統發展。當至48小時,由于一些新生對流發展,誤差能量再次快速增長,北槽南渦型的低層新生渦旋系統形成大范圍暴雨,并在渦旋系統的組織作用下,誤差能量的最優增長尺度也迅速向200 km左右調整。

圖3 同圖2,但為系統擾動試驗 (PERT-S)Fig.3 Same as Fig.2,except for the systematic perturbation(PERT-S)experiments

圖3給出系統誤差擾動試驗 (PERT-S)的總體誤差能量 (DTE)的譜結構。通過繁殖增長法構造了依賴于背景環境場的系統性初始誤差,它的結構和性質與流型不穩定結構有關。經過三次循環繁殖增長,誤差能量主要集中在100 km左右。對于不同類型暴雨系統的初始誤差能譜結構在大尺度上非常相近,在小于100 km的尺度上有一定的差別(圖3)。在最初3小時內,系統誤差能量仍然出現不同程度的衰減,但衰減的幅度明顯小于隨機誤差擾動試驗。與PERT-R試驗相比,在試驗PERT-S中初始誤差的衰減主要發生在100 km左右尺度,而不是在小尺度。這表明誤差能量最先是小尺度增長,然后向大尺度傳播。冷槽推進型和北槽南渦型的誤差衰減幅度最大,而在西南渦移出型、自組織型和非組織局地型中小尺度的誤差能量還有較大的增長。由于通過繁殖法生成的系統性初始誤差能夠快速投影至大氣不穩定增長最優尺度,相應可部分抵消模式的耗散調整,系統性初始誤差的小尺度能量較小,在對流活動發展后就能很快增長,這些決定了系統誤差初始階段的選擇性衰減。

當至12小時,五種類型暴雨系統的誤差都得到了迅速增長,自組織型50～80 km的誤差增長最顯著 (圖3d),北槽南渦型誤差增長最慢 (圖3c),這些特征與隨機擾動誤差增長情況相似。在此期間,非組織局地型的系統擾動誤差中小尺度能量增長幅度相對較大,主要是對流活動停留在局部單點系統,但誤差最優增長尺度仍然超過100 km,略大于隨機擾動試驗情況 (圖3e),與其它四種類型相似。24小時以后,冷槽推進型、西南渦移出型、北槽南渦型和自組織型在小尺度誤差達到飽和,該尺度誤差能量增長緩慢,而非組織局地型小尺度誤差能量仍在繼續增長。在總體上,系統性初始誤差增長速度明顯快于隨機擾動試驗,中小尺度能夠很快進入飽和,飽和誤差能量與PERT-R試驗的大小相當。這說明隨機擾動和系統性擾動試驗中,其中小尺度區域的不確定性程度相近,隨著誤差能量的飽和逐漸向大尺度傳播。然而,誤差飽和時間和飽和程度卻有較大差別,在PERT-S試驗中誤差飽和時間早,其飽和尺度明顯,沒有PERT-R中圍繞飽和點附近的波動。冷槽推進型中誤差飽和的尺度分布范圍廣,可預報性最好;西南渦移出型和北槽南渦型的誤差飽和尺度大約為90～100 km,大于自組織型中誤差飽和尺度的60～70 km,可預報性略好于自組織型;非組織局地型的誤差能量幾乎在所有的尺度沒有出現飽和,顯然,其可預報性最差。這些結果也為劉建勇等 (2010)提出的按照不同梅雨暴雨形成機制進行梅雨期暴雨分類進一步提供了理論基礎。從上面的分析結果可知,外強迫型暴雨系統的可預報性好于自組織型暴雨系統,自組織型暴雨系統通過重力波、冷池抬升等構成了內在相關的擬連性降水,其可預報性要好于非組織局地型暴雨系統。

隨著積分時間長度的增加,隨機擾動誤差試驗與系統擾動誤差試驗兩者的誤差尺度差異變得越來越小。誤差增長的總體特征都是:首先初始誤差能量投影到不穩定環境場中;由于不穩定對流發展,誤差在中小尺度迅速增長;在背景流型的約束下,中小尺度誤差能量首先達到飽和,誤差最優增長尺度繼續增大;當最優增長尺度達到梅雨期暴雨背景流型約束的100～200 km左右時,誤差尺度不再增長,隨著新生對流的發展,誤差振幅再次增長。這種誤差階段性增長特征與Liu and Tan(2009)一致。

4 誤差水平空間結構

不同時間的誤差能譜結構能夠表征誤差能量的多尺度間的傳播,誤差能量增長和傳播機制主要取決于梅雨期暴雨系統的背景流型結構 (Liu and Tan,2009)。Zhang et al.(2007)利用誤差能量的診斷分析發現,誤差能量的平流輸送和局地潛熱釋放項是局地誤差增長的兩個主要來源,大尺度系統的適應性調整和重力波頻散決定誤差能量的傳播和尺度的增長。本文通過對誤差能量的水平結構分析,希望進一步揭示出梅雨暴雨系統的誤差能量的尺度傳播特征和機制。由于對流系統在不同發展階段中其結構差異較大,不同層次的誤差能量的水平結構難以直接對比。所以文中采用公式 (1)的垂直層次求和,而對于水平空間不求和,給出誤差能量的水平結構,稱為 HDTE。

圖4至圖8分別給出了這五種梅雨期暴雨類型的不同時間的誤差能量的水平分布。冷槽推進型的誤差隨著鋒面系統性東移,誤差沿槽前鋒面帶狀分布 (圖4)。在初始階段,槽前有多個對流系統相繼發展,誤差集中在單個對流系統附近,誤差能量呈對稱性尺度增長 (圖4a),隨著誤差振幅和尺度的增加,誤差連成一片。冷槽前緣的冷空氣系統性抬升,首先使得鋒面對流活動組織化,伴有天氣尺度特征的對流活動區促成多個單點誤差協同增長、合并。槽前的帶狀位渦可以表征對流旺盛區域,誤差能量主要分布在高位渦附近,并同步東移。由于冷槽推進型有較強的斜壓性,鋒面后向傾斜,低層不穩定區域位于高位渦前緣,鋒前對流性降水產生了誤差的局地高值中心。由于鋒面傾斜特點,鋒后的層狀云降水伴有弱濕對流不穩定性,受潛熱釋放的影響,誤差隨著鋒面東移,同時也向鋒面后側傳播和增長 (圖4b)。由局地對流活動強度決定小尺度誤差能量的振幅,鋒面的傾斜性和槽前冷空氣的系統性抬升控制著冷槽推進型的誤差尺度增長。

圖4 冷槽推進型的隨機擾動試驗的誤差能量的水平分布:(a)18小時;(b)36小時。陰影:位渦≥1 PVU(1 PVU=1.0×10-6m2·s-1·K·kg-1);粗實線:誤差能量 (自外向內依次為50、100、200、400、800 m2/s2);虛線:500 hPa位勢高度 (間隔20 gpm)Fig.4 The distribution of the difference energy in the random perturbation experiment of the MCT type(thick solid lines,the contours are 50 m2/s2,100 m2/s2,200 m2/s2,400 m2/s2,800 m2/s2 in turn from the outside)at(a)18 h and(b)36 h.Dashed line:500-hPa geopotential height(20 gpm interval);shading:potential vorticity≥1 PVU

圖5 西南渦移出型的隨機擾動試驗的誤差能量的水平分布:(a)18小時;(b)24小時。其余同圖4Fig.5 Same as Fig.4,but for the difference energy in the random perturbation experiment of the WSV type at(a)18 h and(b)24 h

在西南渦移出型暴雨系統中,冷空氣的強迫抬升較小,其作用主要是維持切變渦度和增強對流不穩定度。沿暖性切變線,隨著西南渦的移出和新生渦旋系統的發展,誤差自西南向東北移動。誤差中心位于渦旋的對流最為活躍的西南象限,在平流的作用下,下游誤差尺度較大、振幅較小,沿切變線呈狹窄帶狀分布。西南渦移出型暴雨系統斜壓性弱,沒有冷槽推進型那種后傾特征。誤差沿跨鋒面方向對稱性傳播,尺度增長慢,誤差與高位渦帶重合 (圖5)。在低空急流區的邊緣,誤差增長最快,這意味著中尺度低空急流不確定性大。由于低層的渦旋特性,低層誤差向下游傳播沒有隨著低空急流風速增強而加速,而是隨著渦旋系統組織的對流活動同時減弱、消亡,并在低層渦旋的平流作用下,低空急流正負偏差加快抵消減弱 (圖5)。西南渦移出型僅是切變渦度移出,四川盆地仍有低渦對流活動,誤差能量在此區域繼續增長,圍繞對流系統形成多個高值中心。隨著西南地區的渦旋再次加強東傳和對流的加強,誤差能譜曲線的最優增長尺度出現減小的過程,再次表明暖季降水的中小尺度誤差增長取決于濕對流不穩定性 (圖2、圖5)。

圖6 同圖4,但為北槽南渦型Fig.6 Same as Fig.4,except for the NTSV experiment

北槽南渦型暴雨系統中,伴隨500 hPa槽前的位渦帶中沒有出現很強的誤差,這與由于高空槽偏北、槽前缺少暖濕空氣輸送,因而對流活動微弱有關,而在青藏高原東側和兩湖流域有小尺度降水系統,誤差在該地區相對集中 (圖6)。至18小時后,隨著短波槽的南壓和青藏高原東側對流系統的東移,梅雨鋒的對流不穩定性加強,誤差迅速增大。在此過程中,長江中下游地區高位渦區伴有單點誤差增長,受對流強度偏弱的限制,該地區的誤差增長幅度較小。在隨后18小時中,擾動誤差尺度快速增長達到梅雨鋒尺度,即接近于250 km左右,這個過程已經在Liu and Tan(2009)討論過,這種誤差的階段性增長是由降水分段特征決定的。與西南渦移出型相似,低層渦旋通過平流作用,加快正負偏差相互抵消,降低單點誤差的增長。由于北槽南渦型的短波槽和高空急流位置偏北,對流層頂部對誤差平流作用小于西南渦移出型,誤差能量經向、緯向呈對稱分布 (圖6)。雖同屬于外強迫型梅雨暴雨,在北槽南渦型中,短波槽前的誤差增長明顯要較冷槽推進型和西南渦移出型中的弱。與西南渦移出相似,對流發展后期,渦旋系統將多個對流系統進行有效組織,相應也增大了誤差的尺度,大尺度的適應性調整和誤差的平流輸送促進小尺度誤差能量向大尺度傳遞。這種小尺度誤差能量快速向大尺度傳遞的過程降低了局地不確定性,增加了單點降水的可預報性。

通過對自組織型暴雨和外強迫型暴雨的誤差能譜對比發現,在自組織型暴雨系統中,其初期誤差增長都是最快的,至36小時,自組織型暴雨系統的誤差總能量與外強迫型三種子類型暴雨系統的誤差總能量相近。從圖7可以看到,至18小時兩湖流域存在兩簇誤差,而在36小時,自組織的多對流系統周圍的誤差能量快速增長,與幾種外強迫型暴雨不同的是,其誤差快速增長的尺度范圍大。在自組織型暴雨中,在整個降水過程中相繼存在多個對流系統,即存在一定的內在擬連特性,它們通過冷池、重力波等機制維持對流系統的時空連續性(劉建勇等,2010)。與 Zhang et al(2007)分析的誤差結構相似,風速誤差正負相間分布,誤差主體與高位渦重合,誤差能量的傳播有明顯的重力波特征 (圖略)。通過冷池、重力波的串聯作用,誤差迅速由單個對流的尺度向更大尺度傳遞,形成自組織型暴雨系統中的誤差能量多尺度快速增長。誤差主體與高位渦重合,沿鋒面向下游傳播,跨鋒面呈對稱分布。在重力波作用下,誤差有部分后向傳播,與后側不穩定對流產生的誤差合并加強,相應加劇后向傳播的對流系統的不確定性。經過較長時間后,自組織型暴雨系統的誤差結構與外強迫型暴雨具有相似的特征。

圖7 同圖4,但為自組織型Fig.7 Same as Fig.4,except for the SO experiment

圖8 非組織局地型的誤差能量24小時的水平分布:(a)PERT-R;(b)PERT-S。其余同圖4Fig.8 Same as Fig.4,excep t for the difference energy in the(a)PERT-R and(b)PERT-S experiments of NOL type at 24 h

與上述外強迫型和自組織型暴雨不同,非組織局地型降水的誤差增長局地性更強,受到局地地形的強迫作用,位于浙江附近的副熱帶高壓邊緣強對流降水的小振幅、小尺度的隨機誤差增長很小 (圖8a),這表明大尺度系統觀測足夠精確時,局地強迫型的強對流過程具有很高的可預報性。然而在實際預報過程中,這種局地強迫型的局地暴雨受到大尺度系統的不確定性影響,預報精確度很難把握。小尺度、小振幅的隨機誤差擾動沿著副熱帶高壓邊緣高位渦帶向北移動,誤差發展組織性差。在副熱帶高壓西北側的高CAPE區域,雖然有局地強對流發展,但它的誤差發展非常緩慢。在系統擾動試驗中,其初始階段的誤差主要位于副高西南側,由于在副高邊緣有很強的不穩定性,在副高邊緣的引導氣流作用下迅速將誤差傳播至副高西北側,并在局地強對流發展作用下,誤差擾動得到快速發展。影響副熱帶高壓邊緣強對流系統的主要因子包括有副熱帶高壓西南側的暖濕氣流、副熱帶高壓邊緣的切變不穩定、北方冷空氣入侵以及局地的地形強迫和熱力強迫,這些因子將影響誤差的增長與傳播。在隨機擾動試驗 (PERT-R)中,由于副熱帶高壓相對穩定,其邊緣的切變渦度和西南暖濕氣流的誤差增長緩慢,北方冷空氣非常微弱,局地的地形強迫是不隨時間變化的,這些導致了在隨機擾動試驗中誤差增長緩慢。而在系統擾動試驗 (PERT-S)中,在北方冷空氣和副熱帶高壓區域都出現了初始系統性誤差,隨著系統發展,兩個區域的誤差在24小時疊加在一起,導致局地強對流系統周圍的誤差大范圍的快速增長,由此說明局地強對流系統對系統性誤差更為敏感。同化過程中應著重考慮整體系統的準確性,單個站點的觀測精度提高對預報技巧的提高作用有限。

5 誤差垂直結構

在不同的暴雨類型和暴雨的不同發展階段,隨著大氣結構的變化,誤差的垂直廓線有較大差異。圖9a、b給出冷槽推進型經過暴雨中心并與梅雨鋒面垂直的緯向風偏差和溫度偏差的垂直剖面,由圖可以看出誤差沿著鋒面向西北傾斜,誤差垂直分布系統性強。對流活動偏弱時,誤差沿鋒面離散分布,當對流加強時,誤差的后向傾斜減弱,主要圍繞對流上升氣流附近豎直向上分布。中層誤差向高層傳遞,使得高層誤差增長明顯比中層誤差增長速度快 (Rabier et al.,1996)。冷槽推進型的風場誤差高值中心位于高層,這與 Hakim(2005)結論相似;與 Hakim(2005)不同的是溫度誤差中心沒有出現在低層而是位于中層。溫度誤差主要位于對流活動的后側,該區域的相當位溫曲線存在短波擾動(圖9b),這種短波擾動是高頻重力波的體現,在對流系統后側的干空氣入侵是出現溫度誤差的原因之一,這與 Hakim(2005)的邊界層不確定性不同。風場誤差位于對流活動的前緣,誤差傳播速度快于對流系統移動速度,風場的誤差傳播方向能夠反映出對流活動未來的移動方向。

選取經過成熟期渦旋中心 (32°N,118°E),分別作平行和垂直梅雨鋒鋒面的西南渦移出型暴雨系統24小時的誤差垂直剖面。此時局地對流活動旺盛,誤差能量相對集中在對流旺盛區域的中下層(圖9c、d)。不同于冷槽推進型,在西南渦移出型中的溫度誤差主要位于對流層低層,緯向風誤差在中低層與高位渦重合。從相當位溫來看,西南渦移出型中層的干冷空氣活動很弱,相當位溫也不存在高頻重力波擾動,然而低層存在明顯的冷空氣堆,冷空氣堆附近的溫度誤差和水平風速誤差都很大。中低層西南急流與濕對流正反饋機制決定了中尺度急流的誤差的非線性增長。高層受高空急流影響,誤差向下游傳播速度遠遠大于中低層,使得對流層頂層誤差偏差堆積較小。

北槽南渦型中,在中層存在冷性切變線,梅雨鋒的中層有弱的干冷性空氣侵入,使得蒸發冷卻和凝結釋放潛熱共存,溫度誤差明顯大于冷槽推進型和西南渦移出型 (圖9e、f)。沿冷性切變線,梅雨鋒垂直傾斜較小,誤差能量中心與強對流的高位渦區重合。中層冷空氣的侵入,使得梅雨鋒區弱對流區也有較大的溫度誤差,溫度誤差隨著對流上升運動向對流頂部傳播。由于北槽南渦型的高空急流區位置偏北,遠離鋒面,對鋒面附近的誤差水平平流作用較小,對流層頂部誤差能量堆積較大。與西南渦移出型相近,強對流系統近地層存在很強冷空氣堆,冷空氣堆前緣不穩定造成較強的溫度和水平風速偏差。

自組織型誤差在多系統間的能量傳遞極其明顯,圖9g、h給出30°N緯向剖面。模擬18小時,大別山西側有對流系統發展加強,對流活動旺盛,誤差圍繞高位渦帶豎直分布,誤差能量以風場偏差為主,溫度偏差很小,高低層都有誤差能量向下游傳遞。36小時后,自組織型暴雨系統開始有多個對流系統,系統間距離僅有幾十公里,冷池動力強迫和重力波在高低層的誤差能量傳播中發揮了重要作用,抑制了單點誤差過快增長,這也許可以解釋Carbone et al.(2002)的擬連降水系統的可預報性相對高于單個對流系統。

非組織局地型的誤差主要位于中低層,邊界層不穩定和冷池可能是誤差的主要來源,其中的機理還需要進一步研究 (圖略)。

6 結論

梅雨暴雨是弱斜壓性、多尺度系統相互依存的暖季降水,其預報誤差要受濕對流不穩定性控制。隨著對流系統的發展,中小尺度誤差最先增長,同時向大尺度傳播,隨之誤差最優增長尺度增大。經過24小時,60 km以下的小尺度誤差基本都達到飽和,梅雨鋒邊界限定了中低層的誤差尺度的增長,至36小時,不同類型的梅雨暴雨的誤差最優增長尺度均接近梅雨鋒寬度200 km左右,相應誤差的水平尺度不再增長。與斜壓系統不同,梅雨暴雨的誤差呈現多尺度共同增長,最優增長尺度不夠明顯,這是與梅雨暴雨系統多尺度性密切相關。梅雨鋒的切變渦度區和水汽輻合帶區域中的對流系統的相繼發展,使得梅雨暴雨系統的誤差增長具有階段性特征。

圖9 誤差垂直剖面:(a、b)冷槽推進型;(c、d)西南渦移出型;(e、f)北槽南渦型;(g、h)自組織型。藍線:緯向風偏差 (間隔2m/s);紅線:溫度偏差 (間隔1 K);黑線:位溫 (間隔4 K);陰影:位渦≥1 PVU(間隔0.5 PVU)Fig.9 The verticalcross sections of the errors:(a,b)MCT;(c,d)WSV;(e,f)NTSV;(g,h)SO.Blue line:zonal wind difference(2 m/s interval);red line:temperature difference(1 K interval);black line:potential temperature(4 K interval);shading:potential vorticity≥1 PVU(0.5 PVU interval)

不同的梅雨暴雨系統其對流不穩定發展機制和環流有很大差異,它們決定了梅雨暴雨系統的誤差增長呈現出多類型特征。冷槽推進型的誤差最優增長尺度大,可預報性最強。冷槽通過控制降水系統的組織結構,影響不穩定區域的誤差水平尺度;鋒面的垂直傾斜結構決定了誤差空間分布的特征。在西南渦移出型和北槽南渦型中,渦旋系統將多單體對流系統有效組織在一起,通過渦旋性平流抵消渦旋內的正負偏差,減少單點誤差增長,加快誤差能量向大尺度傳遞。這種能量由小尺度向大尺度的傳播機制能夠降低局地不確定性的快速增長,可以提高暖季降水的預報技巧。西南渦移出型中的高空急流引導誤差從高層向東傳播,不易形成高層的誤差堆積。在北槽南渦型中,高空急流對誤差傳播的引導作用沒有在西南渦移出型的大,相應其低層冷池的重力波頻散對誤差傳播作用更大。在自組織型暴雨系統中,決定自組織型的內在擬連特征的重力波、冷池強迫抬升等機制能促進局部誤差能量向大尺度快速頻散,這使得在自組織型暴雨系統發展中后期的誤差能譜尺度分布特征與上述三種外強迫型相似。在非組織局地型中,受局地地形和熱力強迫影響,其誤差增長相對緩慢,小尺度誤差的誤差能量很難飽和,不確定性較大,相應可預報性差。

在系統性誤差擾動試驗中,由于其初始誤差主要通過繁殖方法產生,相應初始誤差依賴于背景環境不穩定特征,其誤差能量快速投影至大氣不穩定增長最優尺度,加快了中小尺度誤差向大尺度傳遞。在暴雨系統發展初期,PERT-S試驗的誤差比PERT-R試驗增長更快,中小尺度能夠很快進入飽和,但兩者的中小尺度誤差飽和能量接近,說明中小尺度的不確定性相當。通過不同類型梅雨暴雨系統的誤差增長特征的比較分析,可以給出梅雨暴雨系統可預報性差異性及其總體特征。在對流發展成熟期,冷槽推進型中誤差能量飽和尺度范圍較大,誤差增長變緩,可預報性最好;西南渦移出型和北槽南渦型中,其誤差的飽和尺度為90～100 km,大于自組織型中誤差飽和尺度 (60～70 km),可預報性略好于自組織型;在非組織局地型的誤差能量幾乎沒有尺度飽和,可預報性最差。在自組織型中,其飽和誤差能量要小于外強迫型,但總體擾動能量兩者相當,誤差能量能夠更快地向大尺度傳播,雖然誤差帶來的不確定性范圍擴大,但可以提升中小尺度的可預報性,減小局地極端天氣的不確定性。

References)

Akiyama T.1990.Large,synoptic and meso-scale variations of the Baiu front,during July 1982.Part III:Space-time scale and structure of frontal disturbances[J].J.Meteo r.Soc.Japan,68:705-727.

Bei N F,Zhang F Q.2007.Impacts of initial condition errors on mesoscale predictability of heavy precipitation along the Mei-Yu front of China[J].Quart.J.Roy.Meteor.Soc.,133:83-99.

Carbone R E,Tuttle JD,Ahijevych D A,et al.2002.Inferencesof predictability associated with warm season precipitation episodes[J].J.A tmos.Sci.,59:2033-2056.

Dalcher A,Kalnay E.1987.Error grow th and predictability in operational ECMWF forecast[J].Tellus,39A:474-491.

Hamill T M,Snyder C,Whitaker J S.2003.Ensemble forecasts and properties of flow-dependent analysis-error covariance singular vectors[J].Mon.Wea.Rev.,131:1741-1758.

Hakim G J.2005.Vertical structure of midlatitude analysis and forecast errors[J].Mon.Wea.Rev.,133:567-578.

Hollingsworth A,L?nnberg P.1986.The statistical structure of short-range fo recast errors as determined from radiosonde data.Part I:The wind field[J].Tellus,38A:111-136.

Hong S-Y,Pan H L.1996.Nonlocal boundary layer vertical diffusion in a medium-range forecast model[J].Mon.Wea.Rev.,124:2322-2339.

Kain J S,Fritsch J M.1993.Convective parameterization for mesoscale model:The Kain-Fritsch scheme[M]∥The Rep resentation of Cumulus Convection in Numerical Models.Amer.Meteor.Soc.,165-170.

Kain J S.2004.The Kain-Fritsch convective parameterization:An update[J].J.Appl.Meteor.,43:170-181.

Langland R H,Shapiro M A,Gelaro R.2002.Initial condition sensitivity and error grow th in forecasts of the 25 January 2000 east coast snow storm[J].Mon.Wea.Rev.,130:957-974.

Liu J Y,Tan ZM.2009.Mesoscale predictability of Mei-yu heavy rainfall[J].Adv.A tmos.Sci.,26:438-450.

劉建勇,談哲敏,張熠.2011.梅雨期三類不同形成機制的暴雨[J].氣象學報,待刊. Liu J Y,Tan Z M,Zhang Y.2011.Three typesof the heavy rainfallswith different formationmechanism during Meiyu-period[J].Acta Meteo r.Sinica(in Chi-nese),in Press.

Lorenz E N.1969.The predictability of a flow which possesses many scales of motion[J].Tellus,21:289-307.

Ninomiya K,Akiyama T.1992.Multi-scale features of Baiu,the summer monsoon over Japan and the East Asia[J].J.Meteor.Soc.Japan,70(1B):467-495.

RabierF,Klinker E,Courtier P,et al.1996.Sensitivity of forecast errors to initial conditions[J].Quart.J.Roy.Meteor.Soc.,122:121-150.

Snyder C,Hamill T M,Trier SB.2003.Linear evolution of error covariances in a quasigeostrophic model[J].Mon.Wea.Rev.,131:189-205.

Tan ZM,Zhang FQ,Rotunno R,et al.2004.Mesoscale predictability of moist baroclinic waves:Experiments with parameterized convection[J].J.A tmos.Sci.,61:1794-1804.

Thompson P D.1957.Uncertainty of initial state as a facto rin the predictability of large scale atmospheric flow patterns[J].Tellus,9:275-295.

Toth Z,Kalnay E.1997.Ensemble fo recasting at NCEP and the breeding method[J].Mon.Wea.Rev.,125:3297-3319.

Tribbia J J,Baumhefner D P.2004.Scale interactions and atmospheric predictability:An updated perspective[J].Mon.Wea.Rev.,132:703-713.

Zhang F,Snyder C,Rotunno R.2002.Mesoscale predictability of the“surp rise”snow storm of 24-25 January 2000[J].Mon.Wea.Rev.,130:1617-1632.

Zhang F,Snyder C,Rotunno R.2003.Effects of moist convection on mesoscale predictability[J].J.A tmos.Sci.,60:1173-1185.Zhang F,Odins A M,Nielsen-Gammon JW.2006.Mesoscale predictability of an extreme warm-season precipitation event[J].Wea.Forecasting,21:149-166.

Zhang F,Bei N,Rotunno R,et al.2007.Mesoscale predictability of moist baroclinic waves:Convection-permitting experimentsand multistage error grow th dynamics[J].J.A tmos.Sci.,64:3579-3594.

張順利,陶詩言,張慶云,等.2002.長江中下游致洪暴雨的多尺度條件[J].科學通報,47(6):467-473. Zhang Shunli,Tao Shiyan,Zhang Qingyun,et al.2002.Multi-scale conditions of torrential rain causing floods in the mid-and low er reaches of the Yangtze River[J].Chinese Science Bulletin(in Chinese),47(6):467-473.

朱本璐,林萬濤,張云.2009.初始擾動對一次華南暴雨預報的影響的研究[J].大氣科學,33(6):1333-1347. Zhu Benlu,Lin Wantao,Zhang Yun.2009.Impacts of initial perturbations on prediction of a heavy rain in South China[J].Chinese Journal of A tmospheric Sciences(in Chinese),33(6):1333-1347.

Flow-Dependen t Mesoscale Predictability of Meiyu Heavy Rainfall

L IU Jianyong1,2,TAN Zhemin1,and GU Sinan2

1KeyLabofMesoscaleSevereWeather/MOE,andSchoolofAtmosphericSciences,NanjingUniversity,Nanjing210093
2NingboMeteorologicalObservatory,Ningbo315012

The initial condition sensitivity leads to a limit for the prediction of mesoscale weather systems.The rapid grow th of initial erro rs and associated mesoscale predictability depend on the features of flow.The generation of Meiyu heavy rainfall is the result of interaction of many different-scale weather system s.Therefo re,there are differ-entmechanism s for the fo rmation and the sensitivity to initial condition of Meiyu heavy rainfall.

The mechanism sof erro rgrow th for five different typesof Meiyu rainfall are investigated.It is the larger scale cold air lifting,low level vo rtex,boundary layer cold pool,and gravity wave that play important roles in the error grow th of Meiyu rainfall systems.They promote the scale grow th of initial erro rs from small to larger scales in different ways.The perturbation simulationswith random or systematic initial errors demonstrate that the initial errors can quickly reach itsop timal scales in the systematic perturbation experiment.

The cold air lifting controls the scaleof erro rin themoving trough type of Meiyu rainfall,as a result,the scale of error is rather large and the predictability is rather high.The low-level vo rtex advection inthe Meiyu rainfall of themoving-out Southwest China vo rtex type and the north-trough with south-vo rtex type can offset the deviation within the vo rtex,and accelerate the transpo rt of erro renergy f rom the small scale to large scale,and then the fo recast skill of warm-season heavy rainfall is imp roved.The self-organizing rainfall system has a smaller saturation scale of error and lower predictability than those of the first two types of rainfall,because the immanent coup ling mechanism of gravity wave and the cold pool can accelerate the dispersion of erro renergy,w hich results in the cogrow th of errors atmany scales.It is difficult for small scale error to reach its saturation in the non-organizing local rainfall systems,w hich is usually influenced by local terrain and thermal-dynamic conditions,and therefo re it has the lowest predictability.

The structure of error in Meiyu heavy rainfall ismainly dependent on the sub-weather system s,w hich play the most important role in the formation of Meiyu rainfall.The error in the moving trough type slants vertically along the f ront.Cold air intruding in themoving-trough and north-trough with south-vo rtex types leads to a prominent increasing of temperature erro rat the mid-levels.The genesisof cold pool in themoving-out Southwest China vo rtex,no rth-trough with south-vo rtex,self-o rganizing,and non-o rganizing local system types results in a high momentum difference at the lower levels.During the later stage of all typesof rainfall,therew ill be a large erro rzone at the upper levels,due to the transportation from the low er levels to upper levels.

erro rgrow th,mesoscale predictability,Meiyu,heavy rainfall

1006-9895(2011)05-0912-15

P445

A

劉建勇,談哲敏,顧思南.2011.梅雨期暴雨系統的流依賴中尺度可預報性 [J].大氣科學,35(5):912-926.Liu Jianyong,Tan Zhemin,Gu Sinan.2011.Flow-dependent mesoscale predictability of Meiyu heavy rainfall[J].Chinese Journal of A tmospheric Sciences(in Chinese),35(5):912-926.

2010-10-29,2011-03-21收修定稿

國家自然科學基金資助項目40828005、40921160382,國家公益性行業科研專項 GYHY201006004,國家科技支撐計劃重點項目2006BAC02B03,高等學校博士學科點專項科學基金20080284019

劉建勇,男,1980年出生,博士,主要從事中尺度動力學和數值模擬研究。E-mail:jianyong.liu@gmail.com

談哲敏,E-mail:zm tan@nju.edu.cn