章開美，陳勝東，劉志萍*，周雨，汪如良

(1.江西省氣象服務(wù)中心，南昌330096；2.江西省氣象科學(xué)研究所，南昌330096)

隨著氣候環(huán)境的不斷惡化，異常天氣的出現(xiàn)日益頻繁[1]，雨雪冰凍也有日益增多、加劇的趨勢[2]。中國大部分地區(qū)都會出現(xiàn)冰凍天氣，但南北差異較大，北方主要以霧凇為主，南方以雨凇為主，且海拔越高，年積冰日數(shù)越多[3-4]。許多學(xué)者針對中國冰凍事件頻發(fā)區(qū)的氣候特征[5-6]及易發(fā)成因[7-8]進(jìn)行研究。柳艷香等[9]指出在中國長江中下游為積冰頻發(fā)區(qū)，特別是云南、貴州及湖南等地區(qū)。雨雪冰凍天氣區(qū)域差異很大[10]，且地形對冰凍有重要影響[11]，許愛華等[8]認(rèn)為地形是導(dǎo)致江西省凍雨分布不均的關(guān)鍵所在。王懷清等[12]也分析了江西省雨凇天氣的時空分布特征得出山區(qū)多于平原和丘陵的結(jié)論。

然而前人有關(guān)冰凍事件的研究多排除高山站點[6,13]，且以面上研究為主，有關(guān)局地氣象條件對雨雪冰凍形成的影響分析不夠。雨凇可導(dǎo)致嚴(yán)重的積冰事故的同時，對于某些高山景區(qū)來說，雨凇也是一種奇觀。本研究將對高山站江西廬山的雨凇日數(shù)變化特征進(jìn)行分析，并在討論廬山雨凇天氣形成的局地環(huán)境條件的基礎(chǔ)上，建立廬山雨凇日預(yù)測模型，這是旅游經(jīng)濟(jì)發(fā)展的迫切內(nèi)需，也為江西省智慧旅游的發(fā)展提供氣象技術(shù)支撐，可進(jìn)一步提升旅游氣象服務(wù)的保障能力。

1 資料及方法

1.1 資料

1)江西省氣象信息中心提供的1970年1月至 2018年4月廬山雨凇及常規(guī)氣象觀測資料；2)江西省氣象臺提供的1970年1月至 2018年4月南昌探空資料。

1.2 方法

1)采用Man-Kendall檢驗[14]及對氣候均值進(jìn)行突變檢驗。非參數(shù)統(tǒng)計檢驗Man-Kendall檢驗法對樣本進(jìn)行突變檢驗，為了樣本不必遵從一定分布，而且使用簡便；滑動T檢驗認(rèn)為超過一定的顯著性水平，則認(rèn)為存在兩組樣本的均值差異顯著，反之，則不顯著。2)趨勢分析采用線性傾向估計法[14]，該趨勢的顯著性檢驗采用變量與時間的相關(guān)系數(shù)r的檢驗。3)小波分析用來探討廬山雨凇景觀日數(shù)的周期變化，本研究還應(yīng)用合成分析方法。 為了資料的完整性，刪除一些缺測日資料，本研究中總樣本數(shù)為17 645，其中雨凇樣本數(shù)為2 011。本研究參照廖玉芳[15]的區(qū)間劃分規(guī)則，將區(qū)間劃為不同的子區(qū)間。由于99%的廬山雨凇發(fā)生日最低氣溫<5 ℃，且99%的樣本中最低氣溫是>-15 ℃，因此，日最低氣溫按≤-15 ℃、≥5 ℃和-15 ℃～5 ℃之間以0.5 ℃為間隔劃分各個子區(qū)間；同理，日平均氣溫按<-10 ℃、>10 ℃和-10 ℃～10 ℃之間以0.5 ℃為間隔劃分各個子區(qū)間；日最高氣溫按<-7 ℃、>13 ℃和-7～13 ℃之間以0.5 ℃為間隔劃分各個子區(qū)間、日平均相對濕度在0到100%之間以5%為間隔劃分；日降水量在0到100 mm之間按5 mm為間隔劃分；日平均風(fēng)速在12 m·s-1以下時按0.5 m·s-1為間隔劃分，12 m·s-1以上則歸為同一子區(qū)間。子區(qū)間雨凇頻率、雨凇概率及樣本概率定義如下：子區(qū)間雨凇頻率為子區(qū)間雨凇景觀日數(shù)與該區(qū)間樣本數(shù)百分比，子區(qū)間雨凇概率為子區(qū)間雨凇景觀日數(shù)與總雨凇景觀日數(shù)百分比；子區(qū)間樣本概率為子區(qū)間樣本數(shù)與總樣本數(shù)百分比。若某子區(qū)間雨凇概率大于其樣本概率，則定義該區(qū)間為雨凇正貢獻(xiàn)區(qū)間。

2 廬山雨凇景觀日數(shù)氣候特征

2.1 月際變化

表 1 1970—2017年平均廬山逐月雨凇景觀日數(shù) Table 1 Monthly glaze icing events distribution of Lushan during 1970 and 2017

月份總?cè)諗?shù)/d多年平均日數(shù)/d占全年雨凇景觀日數(shù)的比例/%1030.06 0.1511881.83 4.46123316.90 16.79162012.92 31.44256411.75 28.6033336.94 16.894330.69 1.67

統(tǒng)計廬山1970—2017年逐日雨凇資料，從各月的分布情況看(表1)，雨凇基本發(fā)生在11月至次年4月，占全年雨凇的99.3%，其中以1月最多，2月次之，10月雨凇最少，1970—2017年近46年廬山10月發(fā)生雨凇的總?cè)諗?shù)才3次。故確定廬山當(dāng)年雨凇景觀日數(shù)為當(dāng)年11月至次年4月的累加，如2017年廬山雨凇景觀日數(shù)為2017年11月至2018年4月雨凇景觀日數(shù)的累加。

2.2 年際、年代際變化

為直觀了解廬山雨凇景觀的年際變化，將廬山雨凇日數(shù)年序列進(jìn)行標(biāo)準(zhǔn)化處理，得到廬山雨凇日數(shù)的標(biāo)準(zhǔn)化距平(圖1)。可見，廬山雨凇年序列總體線性變化不顯著，但年際變化顯著，本研究將標(biāo)準(zhǔn)化距平絕對值大于1的年份定義為雨凇景觀日數(shù)異常年，即廬山雨凇異常偏多年份為1984、1987、1993、1995、1997、2004、2009、2011，異常偏少年份為1976、1978、1996、1998、2001、2003、2008。對該標(biāo)準(zhǔn)化序列進(jìn)行Man-Kendall檢驗(圖2)，發(fā)現(xiàn)自1981年后，年總雨凇景觀日數(shù)確實發(fā)生突變，在1981年之前，標(biāo)準(zhǔn)化的序列值基本小于平均值，1981年后廬山雨凇景觀日數(shù)表現(xiàn)為上升趨勢，然上升趨勢不顯著(P>0.05)。圖1也可直觀看出，20世紀(jì)80年代初廬山雨凇景觀日數(shù)出現(xiàn)了年代際轉(zhuǎn)折，1970—1980年多數(shù)年份雨凇景觀日數(shù)偏少；1981年之后，轉(zhuǎn)為雨凇景觀日數(shù)偏多偏少的年份相當(dāng)。

圖 1 1970—2017年廬山雨凇景觀日數(shù)年序列標(biāo)準(zhǔn)化序列Figure 1 Yearly variation standardized distance of glaze landscapes in Lushan during 1970 and 2017

圖 2 1970—2017年廬山雨凇景觀日數(shù)年序列的Man-Kendall檢驗Figure 2 M-K test in yearly variation of glaze landscapes in Lushan during 1970 and 2017

圖 3 1970—2017年廬山雨凇景觀日數(shù)年變化曲線Figure 3 The yearly variation of glaze landscapes in Lushan during 1971 and 2017

1970—2017年廬山雨凇景觀日數(shù)年變化曲線(圖3)可直觀看出，江西廬山1970—2017年歷年雨凇景觀日數(shù)為22～65天。2016年出現(xiàn)異常極小值，只有22天出現(xiàn)雨凇，而1987和1997年出現(xiàn)異常極大值，有65天廬山出現(xiàn)了雨凇，且20世紀(jì)中期以前呈現(xiàn)顯著的上升趨勢，為了更直觀了解廬山雨凇日數(shù)的年代際變化特征，將1970—2017年分為2個時間段，1970—1994年為第一個時間段T1，1995—2017年為第二個時間段T2。圖3給出了1970—1994年(T1)及1995—2017年(T2)2個時間段廬山雨凇景觀日數(shù)的線性趨勢及平均值，對T1和T2時段廬山雨凇的線性趨勢(圖3中虛線) 進(jìn)行研究，可見，T1時段廬山雨凇景觀日數(shù)均呈線性遞增趨勢，增加速率為0.42天/年，通過了a=0.001的顯著性水平檢驗，然而，T2時段的線性增減趨勢不明顯。

2.3 周期變化

為進(jìn)一步考察廬山雨凇景觀年際、年代際變化周期，對廬山雨凇日數(shù)的年序列進(jìn)行小波分析，圖4分別給出了Morlet小波變化系數(shù)的實部(a)以及功率譜時頻分布(b)。從圖4中可以看出，1970—2017年廬山雨凇積冰日數(shù)具有顯著的年際和年代際變化周期，年際變化周期為2～4年左右，信號在20世紀(jì)80年代中后期、90年代中后期及20世紀(jì)后期表現(xiàn)顯著(P<0.05)；6年變化信號表現(xiàn)在整個時間段上，但未通過顯著性檢驗；年代際變化周期在12～14年，由于研究時段有限，只在20世紀(jì)初表現(xiàn)顯著(P<0.05)。

注：圖a中實線和虛線分別表示同數(shù)偏多和偏少;圖b中陰影表示通過0.05顯著性檢驗的周期變化；粗實線表示消去邊界效應(yīng)的周期變化。圖 4 廬山年雨凇積冰日數(shù)的Morlet小波系數(shù)實部(a)和功率譜分布(b)Figure 4 Real part(a) and modular square(b) of morlet wavelet of the year-time serial of glaze landscapes from 1971 to 2017 in Lushan

3 基于氣象因子廬山雨凇日預(yù)測模型

3.1 與氣象要素相關(guān)關(guān)系

研究表明氣溫是雨凇形成最重要的影響因子，其次為溫度垂直結(jié)構(gòu)[15]。故選擇日最低溫度(Tn)、日平均溫度(TT)、日最高溫度(Tm)、日降水量(RR)、日相對濕度(RH)、日平均風(fēng)速(VV)、925 hPa溫度(T9)、850 hPa度(T8)、850 hPa與925 hPa溫度差(T8-T9)、700 hPa與925 hPa溫度差(T7-T9)、700 hPa與850 hPa溫度差(T7-T8)等11個氣象因子與廬山雨凇是否發(fā)生展開相關(guān)性分析(表2)，雨凇發(fā)生與否作0、1化處理(1代表發(fā)生雨凇，0代表無雨凇)。結(jié)果表明:廬山雨凇與Tn、TT、Tm、T9、VV成負(fù)相關(guān)，與T7-T9、T7-T8、T8、T8-T9、RH、RR成正相關(guān)。與Tm、TT相關(guān)性最高(相關(guān)系數(shù)達(dá)-0.591)，其后依次是Tm、T9、RH、VV、T7-T9、T8、T8-T9、RR(0.024)。t檢驗表明11個氣象因子與雨凇相關(guān)系數(shù)均通過a=0.05顯著性檢驗?？梢?，選取的氣象因子均與廬山雨凇的形成密切相關(guān)。

表 2 廬山雨凇與各個氣象因子的相關(guān)系數(shù) Table 2 Correlation coefficient between rainstorm and meteorological factors in Lushan

TnTTTmVVRHRRT9T8T8-T9T7-T9T7-T8與雨凇相關(guān)系數(shù)-0.591-0.591-0.576-0.0880.1310.024-0.1450.0560.0530.0880.056

圖5給出了日最低氣溫(a)、日平均氣溫(b)、日最高氣溫(c)、日平均風(fēng)速(d)及日平均相對濕度(e)、日降水量(f)在相應(yīng)子區(qū)間雨凇頻率、雨凇概率及樣本概率。紅、藍(lán)、黑實線分別表示的是雨凇概況率、樣本概況率及雨凇頻率變化趨勢，可見，廬山雨凇發(fā)生的頻率隨氣溫(日最低氣溫、日平均氣溫及日最高氣溫)升高而減小，負(fù)相關(guān)系數(shù)分別為-0.591、-0.591及-0.576(表2)。當(dāng)日最低氣溫、日平均氣溫、日最高氣溫分別在4.0 ℃、8.5 ℃及0 ℃左右時，相應(yīng)子區(qū)間的雨凇概率開始大于樣本概率，即日最低氣溫、日平均氣溫、日最高氣溫分別<4.0 ℃、<8.5 ℃及<0 ℃時，對廬山雨凇的形成具有正貢獻(xiàn)。圖5d顯示廬山雨凇發(fā)生的頻率隨平均風(fēng)速增大而減小，這與表2顯示的負(fù)相關(guān)結(jié)論一致，平均風(fēng)速的雨凇正貢獻(xiàn)區(qū)為<2.5 m·s-1。雨凇頻率在不同的相對濕度(圖5e)子區(qū)間上呈現(xiàn)兩頭高中間低的態(tài)勢，且相對濕度>95%為廬山雨凇正貢獻(xiàn)區(qū)。不同日降水量子區(qū)間上雨凇頻率顯示小雨(日降水量<10 mm)時雨凇頻率是隨雨量增大而增大，而發(fā)生小雨以上的降水(日降水量>10 mm)時廬山雨凇發(fā)生頻率是隨雨量增大而減小。廬山雨凇的降水正貢獻(xiàn)區(qū)為日降水量>5 mm且<20 mm。

圖 5 日最低氣溫(a)、日最高氣溫(b)、日平均氣溫(c)、日平均風(fēng)速(d)、日平均相對濕度(e)及日降水量(f)在相應(yīng)子區(qū)間雨凇頻率、雨凇概率及樣本概率的變化曲線Figure 5 The curve of the rain frequency，the generalization rate of the rain，and the sample summary rate about daily minimum temperature (a)，daily maximum temperature(b)，daily average temperature (c)，daily average wind speed(d)，daily average relative humidity (e) and daily precipitation (f) in the corresponding sub-intervals

3.2 日預(yù)測模型的建立

由表2得知日最低氣溫與廬山雨凇的相關(guān)系數(shù)達(dá)-0.591，且0 ℃為廬山雨凇概率開始大于樣本概率閾值，且給定a=0.001的顯著性水平，對日最低氣溫系列子區(qū)間的雨凇概況率進(jìn)行滑動t檢驗(圖略)，可知，廬山雨凇概率在日最低氣溫0 ℃存在趨勢突變的最大點。3個氣溫因子兩兩相關(guān)性均達(dá)0.8以上，故建模時排除日平均氣溫及日最高氣溫。綜上述，故將日最低溫度0 ℃作為分割點建立模型，利用邏輯回歸方法建立雨凇天氣與7個影響因子的回歸方程。參與回歸的樣本數(shù)5 794，建立的邏輯回歸方程如(1)：

(1)

式(1)中X1為Tn；X2為RR；X3為RH；X4為VV；X5為T9；X6為T8；X7為T8-T9，當(dāng)回歸值Y≈0，判定沒雨凇，當(dāng)Y≈1，判定有雨凇，該模型雨凇擬合率為83%，通過0.001顯著性水平檢驗。

通過上述邏輯回歸方程建立雨凇日預(yù)測模型如下(2):

(2)

應(yīng)用該預(yù)測模型對2018年一整年廬山雨凇景觀日數(shù)進(jìn)行預(yù)測，將預(yù)測結(jié)果與廬山出現(xiàn)雨凇的實際情況進(jìn)行比對，結(jié)果表明，該模型對2018年廬山出現(xiàn)雨凇景觀預(yù)報準(zhǔn)確率達(dá)81%，可應(yīng)用于廬山雨凇景觀預(yù)報的實際業(yè)務(wù)中。

4 結(jié)論與討論

本研究分析了廬山雨凇景觀月際、年際及年代際特征等氣候態(tài)特征，并建立廬山雨凇景觀的日預(yù)測模型，結(jié)果如下：

1)20世紀(jì)中期以前廬山雨凇景觀出現(xiàn)的日數(shù)呈現(xiàn)顯著的上升趨勢，20世紀(jì)中期以后變化趨勢不明顯；

2)廬山雨凇景觀具有明顯的年際、年代際變化周期，年際變化為2～4年及6年左右，年代際變化周期均12～14年；

3)氣溫對雨凇天氣的形成影響最大，垂直溫度結(jié)構(gòu)次之，其中氣溫以日最低氣溫(Tn)及日平均氣溫(TT)最關(guān)鍵，垂直溫度結(jié)構(gòu)因子中850 hpa左右的逆溫影響更明顯。

4)當(dāng)Tn<4.0 ℃、TT<0 ℃、Tm<8.5 ℃、RH>95%、RR>5 mm、VV<2.5 m·s-1時，氣象條件有利于廬山雨凇的出現(xiàn)。

5)借助于雨凇概率顯著變化的臨界點建立廬山雨凇景觀的日預(yù)測模型，能有效提高對廬山雨凇判斷的準(zhǔn)確率。

6)先是統(tǒng)計分析廬山雨凇的氣候變化特征，并分析了有利于廬山雨凇發(fā)生的氣象環(huán)境條件，并借助雨凇概率顯著變化的臨界點建立了準(zhǔn)確率較高的廬山雨凇日預(yù)測模型，為旅游氣象服務(wù)的發(fā)展提供一定的技術(shù)支持。