暴雨灾害
TORRENTIAL RAIN AND DISASTERS
Vol.39No.6Dec.2020
第39卷第6期2020年12月
收稿日期：2020-10-31；定稿日期：2020-12-25
资助项目：安徽省自然科学基金(1908085MD109)；气象预报业务关键技术发展专项子项目(YBGJXM20206A-02)；安徽省气象局科研项目KM201903)第一作者：田红，主要从事气候业务及服务。E-mail:*****************通信作者：程智，主要从事短期气候预测。E-mail:*******************
田红，程智，谢五三，等.2020.2020年安徽梅雨异常特征及预测前兆信号分析[J].暴雨灾害,39(6):564-570
TIAN Hong,CHENG Zhi,XIE Wusan,et al.2020.Analysis on the characteristics of Meiyu anomaly and prediction precursor signal in Anhui Province in 2020[J].Torrential Rain and Disasters,39(6):564-570
2020年安徽梅雨异常特征及预测前兆信号分析
田红，程智，谢五三，戴娟
(安徽省气候中心，合肥230031)
摘
要：基于安徽省气象台站降水资料和NCEP 再分析数据，分析了2020年安徽梅雨气候异常特征及其成因，评估了汛
期预测效果及其预测前兆信号的有效性。结果表明：(1)2020年安徽6月2日入梅，8月1日出梅，梅雨期长度为60d，梅雨量沿江江南1057mm，江淮之间810mm，多地降水强度创历史极值。综合来看，梅雨期之长、覆盖范围之广、累计雨量之大、梅雨强度之强，均为1961年以来第一位。(2)梅雨异常偏多的主要原因是6—7月乌拉尔山、东西伯利亚-鄂霍茨克海附近阻塞高压活跃，东亚沿海500hPa 位势高度距平场上EAP 波列的形势明显，夏季风偏弱，西太平洋副热带高压(副高)异常偏强偏西偏南，有利于冷暖空气在安徽交汇，副高西侧向安徽省的水汽输送异常偏强，水汽辐合明显；梅雨期偏长的原因是副高脊线6月偏北、7月偏南，导致入梅偏早、出梅偏迟。(3)前期冬春季赤道中太平洋出现一次弱厄尔尼诺事件，虽然其对安徽梅雨指示意义不清晰，但响应信号印度洋海温和副高异常偏暖偏强。历史统计发现，符合这一特征的年份中，前冬赤道中东太平洋基本均为厄尔尼诺状态，这些年份安徽梅雨偏多的概率很大。关键词：梅雨；气候预测；印度洋海温；西太平洋副热带高压；厄尔尼诺中图分类
号：P466
文献标识码:A
DOI:10.3969/j.issn.1004-9045.2020.06.003
Analysis on the characteristics of Meiyu anomaly and prediction
precursor signal in Anhui Province in 2020
TIAN Hong,CHENG Zhi,XIE Wusan,DAI Juan
(Anhui Climate Center,Hefei 230031)
Abstract:Based on precipitation data at Anhui meteorological stations and NCEP reanalysis data,in this paper we analyze the characteris ⁃tics and the causes of Meiyu climate anomaly in Anhui Province in 2020,and evaluate the skill of climate prediction and the effectiveness of prediction precursor signals.The main conclusions are as following.(1)In Anhui Province,Meiyu onset date was June 2and outset date was
August 1.Meiyu duration was 60days.Meiyu precipitation was 1057mm in South along the Yangtze River and 810mm between Yangtze River and Huaihe Rive,and the rainfall intensity in many places reached the historical extreme value in 2020.On the whole,the length of Meiyu period,the wide coverage,the large amount of accumulated rainfall and the intensity of Meiyu reached the top level since 1961.(2)The main reason for the abnormal Meiyu is that the blocking high is active near the Ural Mountain and the East Siberian-Okhotsk Sea from June to July.The EAP wave train on the 500hPa geopotential height anomaly field along the East Asian coast is obvious.The summer mon ⁃soon is weak.The Western Pacific Subtropical High is abnormally strong and located too far to west and south,which is conducive to the con ⁃vergence of cold and warm air in Anhui Province.The water vapor transport from the west side of the subtropical high to the province is ex ⁃tremely strong.The reason for the longer Meiyu period is that the ridge line of subtropical high is northward in June and southward in July,which leads to the early onset and late demise of Meiyu.(3)In the previous winter and spring,there was a weak El Niño event in the equatori ⁃al central Pacific Ocean.Although the indication of ist influence on Meiyu in Anhui Province is not clear,the response signal is that the Indi ⁃an Ocean SST and subtropical high are abnormally warm and strong.According to historical statistics,if the equatorial Middle East Pacific Ocean is basically in El Niño state in previous winter,the probability of more intensive Meiyu in these years is very high.Therefore,the Indi ⁃an Ocea
n SST and Western Pacific Subtropical High response factors can be used as the starting points to improve the prediction ability of
第6期田红，等：2020年安徽梅雨异常特征及预测前兆信号分析
引言
安徽地跨长江与淮河，大约三分之二的国土面积都属于梅雨范围。最主要的气象灾害为旱涝灾害，其主要成因与梅雨异常有关。关于梅雨的研究由来已久，如陶诗言等(1958)指出梅雨的开始和结束与亚洲上空南支西风急流的北跳过程密切相关。丁一汇等
(2007)认为，当6月中旬东亚夏季风从华南推进到长江流域，同时印度夏季风在印度次大陆爆发时，中国梅雨雨季开始。胡娅敏和丁一汇(2009)研究指出西太平洋副热带高压(以下简称副高)脊位置的北移、东亚夏季风的加强以及冷空气的减弱，可能是导致2000—2005年江淮梅雨带北移的原因。魏凤英和宋巧云(2005)探讨了近百年全球海表温度年代际尺度的空间分布结构与长江中下游梅雨异常变化的联系，发现当北太平洋年代际振荡(Barnett et al.,1999)暖事件趋势处于较强时期时，长江中下游梅雨为偏多的趋势，反之亦然。汪靖等(2006)分析了2005年江淮流域入梅偏晚的环流成因。刘勇等(2004)、姚叶青等(2005)研究了安徽梅雨的年际变化特征及其与北方冷空气势力的关系，认为长梅雨年环流场上往往伴随着乌拉尔山和鄂霍茨克海阻塞高压形势的稳定，有利于冷空气偏强，副高维持偏南的状况。
徐敏和田红(2005)研究了2003年梅雨期水汽输送的特点，认为主要水汽源有两个，一是孟加拉湾的西南气流经中南半岛北部进入华南再向淮河流域输送，二是来自西太平洋副高南侧的偏东气流在南海转向形成的偏南气流进入华南再向北输送。黄荣辉(2003)、梁萍等(2010)等研究了厄尔尼诺-南方涛动(El Niño-Southern Oscillation，ENSO)循环、西太平洋暖池热力状况和西太平洋副高南北位置与江淮梅雨的关系，认为当赤道东太平洋海温处于上升阶段时，该年夏季我国江淮流域夏季降水将偏多，可能发生洪涝，当西太平洋暖池海温偏低时，菲律宾周围的对流活动较弱，梅雨期西太平洋副高脊线位置偏南，从孟加拉湾、南海和热带西太平洋输送来的水汽在江淮流域和长江中下游地区辐合，这些地区降水往往偏多。其他如青藏高原积雪(钱永甫等，2003；陈兴芳和宋文玲，2000)、印度洋海温(Yang et al.，2008；肖莺等，2013；李勇等，2020)、北极涛动(龚道溢和王绍武，1999；李崇银等，2008)等因子均会给梅雨带来复杂的影响。
由于每年影响梅雨的主导因素不尽相同，导致各年入(出)梅早晚、梅雨期长短、梅雨量多寡、梅雨型分布等出现不同的组合，给梅雨预测带来很大的难度，且在气候变化背景下，一些以往与中国夏季降水统计关系较好的海气信号近年来指示意义也有一定下降
(高辉和王永光，2007；罗连升等，2017)，这也给汛期气候预测带了挑战。
最近几十年江淮流域梅雨异常偏多的年份有：1954年、1969年、1983年、1998年、2016年等，其中
后面3年分别与1982/1983、1997/1998、2015/2016的3次超强厄尔尼诺有关。2020年出现了一次弱厄尔尼诺事件，前期冬春季看似也无特别强的其他预测信号，但江淮流域为何出现历史罕见的梅雨？安徽省业务发布的汛期气候趋势预测中，梅雨量为南部偏多、北部偏少。对照实况来看，南部梅雨趋势正确但量级不够，北部江淮区则与实况相反。为什么会出现预测失误？主要参考的预测因子效果究竟如何？这些均是需要探讨总结的问题。本文旨在分析2020年安徽梅雨异常特征及其成因基础上，梳理主要预测前兆信号的成败，以提高对梅雨的科学认识和预测水平。
1资料来源与研究方法
本文所用的降水量实况资料来源于安徽省所有气象台站2020年6—7月逐日降水资料。大气环流实况资料来源于2020年6—7月逐日美国国家大气环境研究中心NCEP再分析数据集(Kalnay et al.，1996)，所用到的要素有500hPa位势高度场、850hPa水平风场和比湿场，水平分辨率为2.5°×2.5°，水汽输送的垂直积分范围为1000—300hPa共8个标准层，具体计算方法见徐敏和田红(2005)的研究。
厄尔尼诺和拉尼娜事件的判定依据《厄尔尼诺／拉尼娜事件判别方法》国家标准(国家标准委，2017)，包含其强弱、中部型以及东部型事件的年份。副高强度、南北位置和西伸脊点的计算方法依据《西太平洋副热带高压监测业务规定》(刘芸芸等，2012)，热带印度洋全区一致海温模态(Indian Ocean Basin-wide Warming，IOBW)定义为热带印度洋(40°—110°E，20°S—20°N)区域平均的海温距平(Klein et al.，1999)，北极涛动指数定义见Higgins等(2002)的研究。
按照《梅雨监测指标》国家标准(国家标准委，2017)，安徽梅雨监测区域属于长江中下游区和江淮区两个部分，其中长江中下游区有35个气象观测站，安徽省称之为沿江江南梅雨区；江淮区有20个站，称之为江淮之间梅雨区。确定区域入(出)梅与梅雨期的主
Meiyu in weak El Niño years.
Key words:Meiyu;climate prediction;India ocean sea temperature;Western Pacific Subtropical High;El Niño
565
第39卷
暴雨灾害要依据是区域内各监测站的降水条件，副高脊线、日平均温度、南海夏季风爆发时间等为辅助条件，具体见梅雨国家标准。
22020年安徽梅雨异常特征
2020年6—7月安徽天气气候异常，全省出现大范围持续性强降水。下面从“时、空、量、强”四个方面分析梅雨特征。
全省6月2日入梅，较常年提早14d ；8月1日出梅，较常年偏晚20d ；梅雨期长度为60d ，为1961年以来第一位。梅雨期雨带在全省南北摆动，出现10次强降水过程；累计雨量超过600mm 占全省面积的65.3%，超过800mm 的占全省面积的42.0%，超过1000mm 的
占全省面积的18.5%，超过1200mm 的占全省面积的
6.5%；达到上述四个等级雨量的站数均为1961年以来最多。沿江江南梅雨量1057mm ，为1961年以来第一；江淮之间梅雨量810mm ，逼近1991年819mm (图1a)；总体来看，全省平均梅雨量为1961年以来第一多(图1b)。多地降水强度创极值，黟县、金寨、六安三站出现特大暴雨，日雨量最大为金寨(7月18日309.5mm)；铜陵、金寨、六安三站日雨量创本站历史极值；繁昌、宣城、铜陵三站最大小时雨强创本站历史极值；根据《梅雨监测指标》分析计算，安徽梅雨强度为1961年以来最强。
总之，2020年安徽梅雨期之长、覆盖范围之广、累计雨量之大、梅雨强度之强，均为1961年以来第一位。
15001000600402501005025100
mm
(a)
2001008050250-25-50-80-100
%
(b)
图12020年6月1日20时—7月31日20时(北京时，下同)安徽省累计雨量(a，单位:mm)及距平(b，单位:%)
Fig.1Distribution of (a)accumulated rainfall (unit:mm)and (b)its anomaly (unit:%)in Anhui province from 20∶00BT June 1to 20∶00BT July 312020.
32020年安徽梅雨期主要环流异常特征
图2为6—7月平均500hPa 位势高度及距平场和
积分到300hPa 的整层水汽输送通量及散度距平场，从中高纬来看，欧亚50°—70°N 区域在纬向上呈两脊一槽的空间分布，在30°—60°E 的乌拉尔山及以西地区和110°E 以东的西伯利亚地区的高度场较气候态明显偏高，有利于阻塞高压的发生和维持，在60°—100°E 之间为一个大范围的位势高度偏低区，我国新疆西北部及附近的中亚地区存在一个槽区，有利于冷空气南下影响安徽省。东亚太平洋遥
相关型(EAP)波列的形势明显，在东西伯利亚位势高度偏高区的南方，即萨哈林岛附近为位势高度偏低区，东亚沿海槽的范围从这一地区一直可以延伸到朝鲜半岛南部，这些环流配置导致东亚环流经向度加大，冷空气可以从高纬源源不断地通过我国西北部和沿海槽向长江中下游输送，
为安徽省的持久降水提供了较好的冷空气条件。从低纬来看，欧亚-西北太平洋30°N 以南的区域基本均为位势高度偏高区，副高面积偏大、强度偏强、西伸脊点偏西，5880gpm 的范围包含了南海北部和华南大部分地区，这些特征导致副高西侧向中国东部输送的南方暖湿气流偏强，从6—7月整层水汽输送通量场上可以看出，从长江中下游至淮河流域水汽输送均异常偏强，这为安徽省梅雨期内强降水的发生提供了充沛的暖湿气流，在频繁的冷空气南下和充沛的水汽输送条件下，冷暖气团在6—7月持久交汇于长江中下游至淮河流域，安徽省为明显的水汽辐合中心，导致梅雨量异常偏多、梅雨强度偏强。
东亚夏季风的进退，尤其是副高两次北跳时间的早晚对于中国南方降水有着深刻的影响。5月以来，西太平洋副高脊线的南北位置存在明显的阶段性变化特征(图3)，5月偏南，6月偏北，特别是6月上中旬北
566
第6期
田红，等：2020年安徽梅雨异常特征及预测前兆信号分析
抬至20°N 以北，较常年同期明显偏北，导致安徽省入
梅异常偏早。6月下旬开始总体维持在22°－26°N ，稳定少动，导致安徽省入梅以来全省范围内出现多轮强降水。7月中下旬，副高位置持续偏南，使得出梅异常偏晚。因此，副高6月偏北、7月偏南，是导致入梅偏早、出梅偏晚、梅雨期异常偏长的重要原因。
30.0°N 27.525.022.520.017.515.012.5
1MAY
2020
23MAY
14JUN
6JUL
28JUL
平均
5d 滑动平均
常年值
图32020年5—7月西太平洋副高脊线位置
Fig.3Meridional position of the ridge line of Western Pacific
Subtropical High from May to July 2020.
4梅雨预测回顾及主要前兆信号分析评估
4.12020年梅雨预测回顾
2020年5月预测“安徽淮河以南6月中旬中期入梅，7月中旬中后期出梅，入梅时间接近常年，出梅时间偏晚；梅雨量江淮之间接近常年，沿江江南偏多。”与实况对比，入梅时间预测错误；沿江江南梅雨量偏多的趋势预测正确但量级不够，江淮之间梅雨量则与实况出入较大。
影响安徽梅雨的物理因子很多，在进行汛期预测时，重点参考了5个有前期信号的预测因子，即厄尔尼诺事件、春季印度洋海温、前冬青藏高原积雪、冬春季副高、春季北极涛动。其中厄尔尼诺事件强度较弱，对梅雨预测的指示意义不大；春季印度洋海温异常偏暖、冬春季副高异常偏强偏西有利于预测梅雨量偏多；而前冬青藏高原积雪异常偏大、春季北极涛动异
常正位相则有利于预测梅雨量偏少。总之，这些因子
的预测意见分歧较大，很难给出一个倾向性的预测结论。多家模式结果也未能给出安徽梅雨偏多的意
见。在此基础上，预报员经过综合考虑，最终预测梅雨量南片多北片少，与实况有差异。下面对上述5个前兆信号的预测效果进行分析评估。4.2主要前兆信号分析评估
4.2.12019/2020年厄尔尼诺事件
作为全球气候系统年际异常最主要的影响因子，ENSO 事件会造成东亚夏季风强弱的变化，是东亚旱、涝灾害发生的一个重要的外强迫因子。最典型的是1982—1983、1997—1998年和2014—2016年的3次超强厄尔尼诺事件，使得其衰减年的1983、1998和2016年夏季长江流域降水异常偏多，出现了严重汛情，部分地区洪涝灾害极为严重(李维京，2012；袁媛等，2017；夏军等，2019；周月华等，2019)。按照国标《厄尔尼诺／拉尼娜事件判别方法》的分类，这3次事件均是东部型的超强厄尔尼诺事件。与这两年相比，2019—2020年的厄尔尼诺事件从2019年11月开始，2020年4月消亡，持续时间5个月，峰值强度0.6，为一次弱的中部型厄尔尼诺事件。
表1为20世纪60年代以来的历次厄尔尼诺衰减年6—7月副高强度、脊线南北异常及安徽省两个梅雨分区的入出梅时间距平和梅雨量距平百分率，并分别按照厄尔尼诺衰减年、中部型衰减年和弱-中等强度厄尔尼诺衰减年进行了统计，考虑到气候变化的影响，也单独对20世纪80年代以来的样本进行了统计。可以看出，这3种情况均有利于6—7月副高强度偏强，6、7月副高脊线偏南，统计关系非常明显；与入、出梅时间也有一定关系，总体上有利于两片入出梅时间偏晚。但厄尔尼诺与安徽省梅雨量
的统计关系不确定性较大，沿江南梅雨量偏少的年份略占优势，其与江淮之间梅雨量的统计关系在20世纪80年代前以
2022年入梅出梅时间表图2梅雨期500hPa 位势高度(等值线)和距平场(填)(a，单位:gpm)以及整层水汽输送通量
(风矢，单位:g ·cm -1·hPa -1·s -1)和散度距平场(填，单位:10-7g ·cm -2·hPa -1·s -1)(b)
Fig.2(a)500hPa geopotential height (contour)and anomaly (shadow)field (unit:gpm),(b)whole layer water vapor transport flux (vector,
unit:g ·cm -1·hPa -1·s -1)and divergence anomaly (shadow,unit:10-7g ·cm -2·hPa -1·s -1)field during Meiyu
period.
(b)
20
40
60
80
100120140160180°E 80°E 70605040302010EQ
140
12010080604020105-5-10-20-40-60-80-100-120-140
60708090100110120130
140150°E
40°N 302010EQ
543210.5-0-1-2-3-4-5
200
(a)
567
第39卷
暴雨灾害偏少为主，在20世纪80年代后以偏多为主。比较今年实况可以看出，该因子对6—7月副高强度、7月脊线位置和两片出梅时间的预测结果正确，但对6月副高脊线位置和两片入梅时间的预测错误，对梅雨量
的指示意义也不强，因此通过该因子无法预测出极端降水。
表1厄尔尼诺事件与副高和安徽省两片梅雨入梅日期距平(D a 1)、出梅日期距平(D a 2)和梅雨量距平百分率(R a)的统计关系
Table 1Statistical relationship between El Niño events and West Pacific Subtropical High and two Meiyu areas onset date anomaly
(D a 1)and outset date anomaly (D a 2)and Meiyu precipitation anomaly percentage (R a)in Anhui Province.
1963.7—1964.11965.5—1966.51968.10—1970.21976.9—1977.21977.9—1978.21979.9—1980.119
86.8—1988.21991.5—1992.61994.9—1995.32002.5—2003.32004.7—2005.12006.8—2007.12009.6—2010.42018.9—2019.6厄尔尼诺次年统计中部型次年统计弱一中等强度统计
1972.5—1973.31982.4—1983.6
1997.4—1998.42014.10—2016.4EI Niño 次年196419661970197319771978198019831988199219951998200320052007201020162019
***强度弱中等弱强弱弱弱超强中等中等中等超强中等弱弱中等超强弱***
类型E E C E E C E E E E C E C C E C E C ***
副高强度6一7月弱弱弱弱弱弱强强强正常正常强正常正常正常强强强强/强—/强弱/强
脊线位置
6月
正常南北南正常北北南北南北南南南南南正常南南/南南/南南/南
7月北北南南
正常北正常南正常南北南南正常南正常正常南南/南南/南南/南
沿江江南D a 1/d 1720
-7空梅-10
-7-65-238425-3
1821晚/晚晚/晚晚/晚
D a 2/d -102
10-11-23空梅117-18-6-3241
1261493晚/晚晚/晚晚/晚
R a /%-12-1428
-35-52空梅23113-51-736042-9-61-2117
119-2
少/—少/少少/少江淮之间D a 1/d 3空梅17-57空梅-42
空梅15-44-1145
12
-1
空梅晚/晚晚/—晚/晚
D a 2/d -10
11819空梅1013空梅10-17
23018151310空梅晚/晚晚/晚晚/晚R a /%-71-37-3
-15空梅
8653空梅-62-4137
1001651473空梅少/多少/多少/多
注：“*”表示无，统计栏“/”的左侧为1961年以来的统计，右侧为1981年以来的统计；阴影表示强厄尔尼诺事件，综合统计中黑体代表一致率较高(按照业务上的习惯，以正负距平年份数之比≥2或≤0.5代表)。
4.2.2春季印度洋海温异常偏暖
作为东亚季风水汽的重要源地，印度洋能够影响长江中下游汛期降水。已有的研究成果表明，热带印度洋全区一致的海温增暖(变冷)一般滞后响应于暖(冷)ENSO 事件，在秋冬季通过类似于“充电”作用，使得ENSO 信号得以保留，在次年春夏季通过类似于“放电”作用，使得西太平洋副高维持异常偏强的状态(Yang et al.，2007)，有利于印度夏季风偏弱、长江中下游夏季降水偏多(Yang et al.,2008)。因此，虽然厄尔尼诺信号在春季往往已衰减，但对菲律宾反气旋异常的维持和东亚夏季风系统的影响在一些年份仍能持续到夏季，这其中印度洋海温一致增暖起到了重要的接力作用(Xie et al.，2009；李维京等,2016)。今年冬春北印度洋海温为显著的正距平，图4为春季北印度洋全区一致模态指数的多年变化，可以看出该指数呈显著的增强趋势，其异常偏强的年份(异常幅度超过一倍标准方差)有7a ，分别为1998、2003、2005、2010、2015、
2016和2019年，这些年份均为厄尔尼诺年，体现了春
季印度洋海温偏暖对厄尔尼诺事件的响应。在这7a 中，沿江江南、江淮之间梅雨量偏多与偏少年份数
的比值分别达到了4/3、6/1，因此这一因子与今年的实况对应关系较好，特别是与江淮之间梅雨量的关系，值得今后予以更多的关注。
1.00.50.0-0.5
-1.0
1961
1966
1971
1976
1981
1986
1991
1996
2001
2006
2011
2016
年份
指数
图4春季北印度洋全区一致模态指数多年变化(单位:°C)
Fig.4Annual variation of Indian Ocean basin-wide warming
index in spring (unit:°C).
568
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论