文章信息
- 刘姝, 高山红. 2021.
- LIU Shu, GAO Shan-hong. 2021.
- 西太平洋副热带高压对黄海夏季海雾年际变化的影响
- Influence of the western Pacific subtropical high on the interannual variation of summer sea fog over the Yellow Sea
- 海洋科学, 45(6): 79-91
- Marina Sciences, 45(6): 79-91.
- http://dx.doi.org/10.11759/hykx20201026001
-
文章历史
- 收稿日期:2020-10-26
- 修回日期:2020-11-28
2. 中国海洋大学物理海洋教育部重点实验室, 山东 青岛 266100
2. Key Laboratory of Physical Oceanography(Ocean University of China), Ministry of Education, Qingdao 266100, China
海雾是受海洋下垫面影响, 发生在海上(包括岸滨和岛屿)的雾[1], 它会严重影响海上的生产作业活动以及沿海区域的交通运输。例如, 据舟山海事局统计, 200次海上船舶碰撞或搁浅事件中, 70%左右都是由海雾导致的, 因为海雾发生时大气水平能见度小于1 km, 有时甚至不足100 m[2-4]。黄海是中国近海海雾发生最频繁的海区, 春夏季是其多发季节[1, 5-7]。据观测统计, 黄海西北沿岸一年的雾日超过50 d, 而成山头最多, 一年竟多达80 d[8]。
海雾发生在海上大气边界层内, 受海温影响强烈黄海海雾多为平流雾[1, 4, 9-12]。黑潮区域或者更低纬度海域的暖湿空气团, 在合适的天气系统控制下, 由南向北流经相对较冷的黄海海面时, 逐渐冷却成雾[1, 2, 11, 13-14]。对于海雾发生时的天气条件, 如天气形势、大气稳定度以及海温分布等, 已有相当多的研究工作[1, 15-20]。这些研究指出, 适宜的海气温差与海温上限, 适宜的风向所导致的暖湿平流, 合适的风速所造成的湍流垂直冷却, 以及近海面大气稳定度等因素, 是黄海海雾生成的重要条件[1, 12-17]。此外, Zhang等[8]的工作针对黄海海雾的季节变化, 进行了的统计分析与机制解释。与黄海海雾的天气研究工作相比, 海雾的气候研究工作偏少。
已有少数研究者初步探讨了黄海海雾的年际变化及其成因。譬如, 赵旭孔等人[21]分析了ENSO(El Niño-Southern oscillation)与黄海北部海雾的关系, 发现在ENSO发生年, 西太平洋副热带高压(简称西太副高)位置偏南, 北风频率增多, 导致了雾日明显偏少。王鑫等人[7]将黄海夏季海雾的多寡与夏季风的强弱联系起来, 指出: 夏季风强, 雾日数偏多; 夏季风弱, 雾日数偏少。这些研究仅仅表明黄海海雾的年际变化与西太副高的位置、夏季风强弱有明显的关连, 但具体机制解释欠缺。较清晰解释西太副高是如何影响海雾年际变化的一个工作是Zhang等[22]给出的。他们分析了西北太平洋中纬度地区(40°N~50°N, 140°E~170°W)7月份海雾的年际变化, 指出在高频雾年(即多雾年), 西太副高中心东移, 大量来自亚热带的暖湿气流由西太副高西侧的南风向北输送, 有利于海雾生成; 而在低频雾年(即少雾年), 西太副高中心向西向南延伸, 水汽很难到达中纬度, 不利于海雾形成。这个研究工作明确地将西太副高中心位置变化所导致的水汽输送的年际差异, 与海雾的年际变化联系起来了。遗憾地是, 他们的研究区域不是黄海, 而是黄海以东的海域。
黄海平流海雾的形成离不开降温和增湿, 充足的水汽是它发生的一个重要前提条件[1, 9], 虽然局地增湿是海雾形成的触发机制, 但海雾的发展与维持离不开水汽的输送。黄海海雾的水汽不是由局地提供的, 而是在高空环流以及低层流场的配置下, 从低纬度热带大气输送而来的[5, 21]。白慧等[23]指出, 长江口以东的东海海域(122°E~130°E, 28°N~32°N)是影响青岛近海海雾多寡的水汽来源关键区域。但是, 这些研究并没有详细给出黄海海雾年际变化中, 多雾年与少雾年的水汽输送来源的具体差异及其造成原因。
既然黄海海雾存在明显的年际变化[21-23], 它是否也受副高位置变化所导致的水汽输送年际差异的影响?以往的研究多集中在2010年之前, 近10年相关研究较少。所以, 本文研究拟从影响黄海海域的水汽输送来源入手, 通过研究2004-2018年期间多雾年与少雾年水汽输送来源的差异, 试图解释黄海夏季海雾的年际变化成因。
1 数据所用到的数据主要有: 2004-2018年的常规地面观测数据, ECMWF(European centre for medium-range weather forecasts, ECMWF)提供的第五代再分析数据(ERA5), 以及NCEP/NCAR(national centers for environmental prediction and national center for atmospheric research, NCEP/NCAR)全球再分析资料。
(1) 用于海雾日数筛选的常规地面观测数据: 每3 h一次, 分别为02、05、08、11、14、17、20、23时(北京时间), 气象要素主要包括: 能见度、气压、天气现象等。网址: http://222.195.136.24/
(2) 用于环流形势以及水汽条件分析的ERA5的月平均再分析数据、海平面气压场的月平均数据: 水平分辨率均为0.25° × 0.25°, 前者垂直方向有37个气压层(1~1 000 hPa), 气象要素主要包括位势高度, 温度, 风(u, v分量), 相对湿度, 比湿等; 后者气象要素主要包括平均海平面气压, 10 m的风速(u, v分量), 2 m的温度, 海表面温度等。网址: https://cds.climate.copernicus.eu/cdsapp#!/search?type=dataset。
(3) 用于水汽轨迹聚类分析的GDAS(global data assimilation system, GDAS)资料, 是由全球同化系统同化NCEP再分析资料得到, 且经由NOAA (national oceanic and atmospheric administration, NOAA)的空气资源实验室将其处理为HYSPLIT (hybrid single-particle lagrangian integrated trajectory model, HYSPLIT)模型可用的格式。水平分辨率0.25° × 0.25°, 垂直方向有17个气压层(10~1 000 hPa), 每6 h一次, 分别为02、08、14、20时(北京时间), 气象要素主要包括: 风、温度、湿度、位势高度以及地面降水等。网址: ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1/。
2 方法 2.1 箱体模型为了估计黄海海域不同来向的水汽输送量, 基于GDAS数据, 使用“箱体模型”[24-26]来定量计算黄海海域(区域: 120°E~126°E, 32.5°N~38.5°N)中低层大气(范围: 从海平面到700 hPa)的水汽收支。径向水汽通量Qv和纬向水汽通量Qu的计算公式分别为:
$ {Q_v}\left( {x, y, t} \right) = \frac{1}{g}\int\limits_p^{msl} {q\left( {x, y, p, t} \right)v\left( {x, y, p, t} \right)dp} , $ | (1) |
$ {Q_u}\left( {x, y, t} \right) = \frac{1}{g}\int\limits_p^{msl} {q\left( {x, y, p, t} \right)u\left( {x, y, p, t} \right)dp} , $ | (2) |
其中, q为各层大气的比湿(单位: g·kg–1), u、v分别为各层大气的纬向与经向风速(单位: m·s–1), g为重力加速度(单位: m·s–2), p为700 hPa, msl为平均海平面气压(单位: hPa), t为时间(单位: 月)。
所需区域四个边界的水汽收支计算公式分别如下:
$ {Q_W} = \sum\limits_{{\varphi _1}}^{{\varphi _2}} {{Q_u}\left( {{\lambda _1}, y, t} \right)}, $ | (3) |
$ {Q_E} = \sum\limits_{{\varphi _1}}^{{\varphi _2}} {{Q_u}\left( {{\lambda _2}, y, t} \right)}, $ | (4) |
$ {Q_S} = \sum\limits_{{\lambda _1}}^{{\lambda _2}} {{Q_v}\left( {x, {\varphi _1}, t} \right)} , $ | (5) |
$ {Q_N} = \sum\limits_{{\lambda _1}}^{{\lambda _2}} {{Q_v}\left( {x, {\varphi _2}, t} \right)}, $ | (6) |
$ Q_{\mathrm{T}}=Q_{\mathrm{W}}-Q_{\mathrm{E}}+Q_{\mathrm{S}}-Q_{\mathrm{N} \circ} $ | (7) |
其中, QW、QE、QS、QN分别为黄海海域西、东、南与北四个边界水汽收支; QT为区域边界净水汽收支; φ1 = 32.5°N, φ2 = 38.5°N, λ1 = 120°E, λ2 = 126°E, 分别为各边界对应的纬度与经度。
2.2 HYSPLIT模型HYSPLIT(Version 4)模型[26-27], 是NOAA空气资源实验室和澳大利亚气象局联合开发的一个计算气团的运动轨迹、复杂的扩散和沉积的工具。由于它具有气团轨迹聚类分析的功能, 我们利用它进行黄海海雾的水汽来源追踪。HYSPLIT模型假定空气中的粒子都随着风飘动, 则气流的移动轨迹就是在时间、空间位置上的矢量积分。空气粒子的最终位置由初始位置P和第一猜测位置P′的平均速率计算得到。
$ P^{\prime}(t+\Delta t)=P(t)+V(P, t) \Delta t, $ | (8) |
$ P(t+\Delta t)=P(t)+0.5 \times\left[V(P, t)+V\left(P^{\prime}, t+\Delta t\right)\right] \Delta t, $ | (9) |
其中Δt为时间步长, 每次积分时间步长可以是变化的, 但要求单位时间步长气块的移动距离应该小于0.75个网格间距。即
$ U_{\max } \Delta t<0.75, $ | (10) |
Umax为最大风速, 由于NCEP数据时间间隔为6 h, 因此Δt = 6h。气象数据在水平坐标保持其原来的格式, 而垂直方向被内插到地形追随坐标系统:
$ \alpha = \frac{{{Z_{top}} - {Z_{mst}}}}{{{Z_{top}} - {Z_{gl}}}}, $ | (11) |
其中, 所有的高度均相对于平均海平面而言, Ztop为轨迹模式坐标系统的顶部, Zmst为Z坐标下边界高度, 对于海面, Zgl为0。
轨迹聚类方法如下: 设有N条轨迹, 每个轨迹被定义为一个簇, 即有N个簇, 每个簇的空间方差为簇内每条轨迹与簇平均轨迹对应点的距离平方和, 且初始时刻为0。计算所有可能组合的两个簇的空间方差, 任选两个簇合并为一个新簇, 使得合并后所有簇的空间方差之和(total spatial variance, TSV)比合并前增加最小。第一次迭代合并后, 簇的数量变为N–1, 迭代合并继续, 直到所有轨迹合并为一个簇。在最初几次迭代合并中, TSV迅速增加, 然后增加缓慢, 但当分成一定数量的簇后, 再进一步迭代合并时, TSV迅速增大, 这说明被合并的两个簇不再相似, 所以把TSV再次迅速增大的点作为分簇过程中的结束点, 进而计算得到平均轨迹, 以及聚成该平均轨迹的所有轨迹数量占总轨迹数量的百分比(简称占比)。
3 黄海夏季海雾年际变化 3.1 夏季雾日数的统计分析选取青岛站、成山头站与丹东站以及韩国仁川站作为黄海沿岸的代表站*。根据各个站提供常规地面观测数据中的大气水平能见度(简称能见度), 按照天气现象编码所对应的现在天气现象进行海雾时次的筛选。筛选出能见度 < 1 km, 且同时现在天气现象记录为“有雾”(表 1)的时次, 得到这4个站2004-2018年夏季(6-8月)的雾日记录。距平标准化后, 发现4个站夏季海雾日数变化趋势基本一致, 且均有减少趋势(图略); 青岛站与其余3站夏季总雾日数的斯皮尔曼等级相关系数[28]均超过0.48, 且置信水平达到95%以上, 表明青岛站与黄海沿岸其他站在海雾的季节变化、年际变化上具有较好的一致性。因此, 与前人做法一致[7, 9, 20, 22]也使用青岛站的雾日数来表征黄海雾日的年际变化。
*这四个站的位置分别是(120.33°E, 36.07°N), (122.68°E, 37.40°N), (124.2°E, 40.03°N)与(126.63°E, 37.48°N)
现在天气现象 | 电码编号 |
有轻雾 | 10 |
雾 | 28 |
雾, 观测前1 h无雾 | 40 |
散片的雾 | 41 |
雾, 过去1 h内已变薄, 天空可辨明 | 42 |
雾, 过去1 h内已变薄, 天空不可辨 | 43 |
雾, 过去1 h内无显著变化, 天空可辨明 | 44 |
雾, 过去1 h内无显著变化, 天空不可辨 | 45 |
雾, 过去1 h内无显著变化, 天空不可辨 | 46 |
雾, 过去1 h内出现或已变浓, 天空不可辨 | 47 |
雾, 有雾凇结成, 天空可辨明 | 48 |
雾, 有雾凇结成, 天空不可辨 | 49 |
图 1给出了2004-2018年黄海6-8月的海雾雾日数的统计结果。由图 1可见, 黄海夏季海雾主要集中在6-7月份, 8月份较少, 这与已有文献的统计结果基本一致[1, 7, 11, 17, 23, 29]; 7月份雾日数与夏季总雾日数变化趋势一致, 变化趋势相关系数为0.85, 较6月份(0.79)与8月份(0.78)大, 所以选择用7月海雾的年际变化代表整个夏季海雾的年际变化。此外, 由6-8月总雾日数变化趋势可得, 黄海夏季海雾日数呈现减少的趋势。
将2004-2018年6-8月份的总雾日数进行距平标准化处理, 结果见图 2。图 2显示, 最大正距平为1.68, 最小负距平可达到−1.50。取距平标准化值大于0.5的年份为雾日偏多年(简称多雾年, 可写成YM, years with more foggy days), 2006、2008、2011与2013年为多雾年; 距平标准化值小于−0.5的年份则为雾日偏少年(简称少雾年, 可写成YL, years with less foggy days), 2007、2014、2015与2017年为少雾年; 其余年份则为雾日正常年(简称正常年, 可写成YN, years with normal foggy days)。白慧等[23]统计分析了1980-2007年6-7月雾日数, 得出1987、1993、1996、2001、2006与2008是多雾年, 而1982、1983、1992、1995、1997与2007则为少雾年。我们所统计年份中, 与白慧等[19]所统计年份中的重叠部分, 多雾年与少雾年的结论是一致的。
3.2 雾日数与水汽收支的联系借助“箱体模型”对黄海选定海域(120°E~126°E, 32.5°N~38.5°N)进行水汽输送收支分析(具体方法见2.1节), 计算出了2004-2018年夏季7月所选海域南、北、西与东四个边界的水汽输送的流入与流出情况, 结果如图 3a, 3b所示。从计算结果可以看出, 在大多数年份, 南边界(南向分量的水汽通量输入边界)与西边界(西向分量的水汽通量输入边界)为主要的水汽输入边界, 而北边界(南向分量的水汽通量的输出边界)与东边界(西向分量的水汽通量的输出边界)为主要的水汽输出边界; 西边界水汽输入量与东边界的水汽输出量变化趋势一致, 都呈现出下降趋势, 但东边界输出量大于西边界输入量; 南边界水汽输入量与北边界水汽输出量的变化一致, 且南边界的水汽输入量大于北边界的水汽输出量。进一步计算各边界的多年平均, 可得南边界的水汽输入比西边界的水汽输入多54.76%, 东边界的输出量大约是北边界的输出量的2.29倍, 这说明南边界是主要的水汽输入边界, 东边界为主要的输出边界。
同时, 比较了水汽净收支与雾日数两者的年际变化(图 3 c)。由图 3 c可见, 2004-2018年黄海夏季7月海域的水汽净收支与7月雾日数的年际变化趋势非常一致, (斯皮尔曼等级相关系数为0.52, 置信度达到99%)。这表明黄海海域的水汽净收支越大, 黄海夏季雾日数越多。多年来黄海海域夏季水汽的净收支呈现下降趋势, 也可作为黄海夏季海雾日数减少的原因之一。此外, 图 4给出了多雾年、少雾年与正常年的所选黄海海域的四个边界的水汽收支情况。多雾年与少雾年的净收支分别为4.17×109 m∙s∙hPa∙g∙kg–1与1.51×109 m∙s∙hPa∙g∙kg–1, 而正常年黄海海域的净收支为2.02×109 m∙s∙hPa∙g∙kg–1。多雾年的水汽净收支达到少雾年的2.76倍左右, 偏南水汽输入可以达到少雾年的2.54倍左右。由此看来, 偏南水汽输入相对于正常年的大幅增加是黄海夏季海雾增多的原因之一。此外, 有研究者[30-31]表明副高的强度与位置的变化影响水汽的输送, 进而影响夏季降水。虽然研究的是降水, 但降水与海雾均离不开水汽的输送, 我们猜测: 夏季副高的位置变化影响水汽的输送, 进而造成了海雾的年际变化。
4 雾日多寡年水汽条件的差异分析 4.1 水汽来源3.2小节结果表明, 多雾年与少雾年水汽收支差异主要体现在偏南水汽输入。这些水汽的源地在何处?我们将利用HYSPLIT模型, 对多雾年、少雾年7月份的水汽轨迹进行聚类分析, 找到雾日多寡年黄海海域水汽的具体来源。
选取青岛近海(120.33°E, 36.07°N)为模式水平起点, 垂直高度设为50 m(近海面), 在时间上分别向后追踪3 d、7 d与10 d, 各得到496条轨迹(图略)。为了直观分析, 通过分析TSV的变化对轨迹进行聚类(具体方法见2.2节)。在聚类到3条轨迹后TSV出现第二次迅速增加(图略), 所以雾日多寡年轨迹均聚类成3条, 进而得到水汽输送平均路径的空间分布(图 5)。黄海海雾多为平流雾, 且由水汽收支分析, 黄海海域的水汽主要来自于南边界以及西边界的水汽输入, 所以聚类分析的结果中我们主要关注来自于西南、南和东南方的水汽。
图 5清晰地显示, 不同天数(3 d、7 d与10 d)的多雾年的水汽来源, 皆有2条来自偏南方向的路径, 而少雾年只有1条来自偏南方向的路径。多雾年2条偏南路径中的一条显示水汽源地是南海(红线; 简称南海源地, 相应路径称为南海水汽通道), 另外一条水汽源地在台湾岛东南的西太平洋区域(绿线; 简称西太源地, 相应路径称为西太水汽通道)。在10 d追踪的结果中(图 5e), 来自南海源地与西太源地的水汽路径, 其占比分别为27%与33%(总和为60%); 虽然在3 d与7 d的追踪的结果中(图 5a, c), 两条路径的概率有所变化, 但它们的总和依旧保持60%之多。与多雾年来自偏南方向的水汽路径占比相比, 少雾年则低得多, 譬如7 d与10 d的结果分别只有37%与27%(图 5d, f); 这是因为少雾年与多雾年相比, 缺少了一条来自西太源地的水汽路径; 此外, 来自西北向偏冷的水汽路径占比高达25%(图 5f), 对海雾生成不利。因此, 图 5揭示了水汽路径的差异, 是黄海海雾年际变化的主要原因, 而西太水汽通道的有无是多雾年与少雾年的根本区别所在。
4.2 水汽通量雾日多寡年的水汽来源路径存在明显的差异, 这会导致水汽输送有什么特点与差异?我们对雾日多寡年中低层不同垂直高度范围的水汽通量进行合成分析, 图 6展示了多雾年与少雾年在不同高度层的差值场分布。图 6清晰显示, 多雾年相比于少雾年, 黄海以南, 700 hPa以下都存在2条非常明显的条状水汽通量大值区(走向见图 6a-c的粗红线与绿线), 它们分别与水汽追踪所给出的多雾年2条偏南水汽源地路径非常一致(图 5a, c, e中的红线与绿线)。图 6表明, 多雾年中不仅存在少雾年没有的来自西太源地的大量水汽输送, 平均量值约为1.5×103~2.5×103 s∙hPa∙g∙kg–1, 而且来自南海源地的水汽输送也要比少雾年强约1.0×103 s∙hPa∙g∙kg–1。此外我们还可以看出, 在南海和西太水汽通道上, 925~1 000 hPa高度层间的水汽输送最大, 其次为850~925 hPa, 越往高层, 两通道的水汽输送越小, 即对流层低层的水汽输送对海雾的维持和发展作用最大。
5 水汽路径与西太副高之间的关系 5.1 东海以东异常反气旋的存在海雾发生在海上400 m左右高度之下的大气边界层内, 低层天气系统及其环流对海雾的形成与发展有着直接的控制作用。图 7给出了少雾年、多雾年与正常年份三者之间1 000 hPa高度场与流场的差异分布。少雾年(图 7a), 在东海以东海域为异常气旋控制, 使得黄海至低纬盛行异常北风气流, 暖湿气团在北上的途中东折, 不利于西南、南与东南向水汽的输送; 相反, 雾相对偏多的情况下, 东海以东处于异常反气旋控制, 虽然多雾年较正常年反气旋面积较小(图 7b), 但随着高度增加, 该异常反气旋一直存在且面积增大(图略), 为此我们猜测该反气旋为深厚系统。此外, 从多雾年与少雾年的差值场(图 7c)更能清晰看出, 东海以东海域存在大范围的位势高度正异常, 且最大可相差9 gpm。0 gpm等值线呈东南向, 并延伸至10°N以南, 使得黄海至低纬盛行异常偏南气流, 有利于低纬度暖湿气流从西太平洋向黄海的输送。
为了进一步验证图 7c中反气旋是一个深厚系统, 我们又给出了400~975 hPa高度层间多雾年与少雾年位势高度的差值场(图 8)。多雾年与少雾年相比, 500~ 1 000 hPa高度层间, 东海以东海域的反气旋一直存在, 且中心位势高度差大于6 gpm, 说明该反气旋是一个深厚系统(图 7c, 图 8a-e)。在多雾年它的存在, 使得从低层至高层的水汽沿着反气旋外围东南向的引导气流, 源源不断流入黄海海域, 进而导致了黄海海雾偏多。
但反气旋外围呈东南向的0 gpm等值线, 仅仅存在于925~1 000 hPa之间(图 7 c, 图 8 a, b), 且与图 5(a, c, e)中西太水汽通道(绿色线)以及与图 6 a-c中东南向的水汽通量大值区的方向与位置大致相同(绿色粗线)。高度越高, 最外围等值线越往北收缩, 并逐渐转成东西向(图 8e-f), 不利于低纬度西太源地的水汽输入至黄海海域。由此可以看出通过西太水汽通道输送至黄海海域的水汽主要集中在对流层低层。
5.2 西太副高的异常东海以东深厚异常反气旋的存在, 使得水汽输送存在差异, 造成黄海夏季海雾的年际变化, 但反气旋存在的原因需要进一步探究。黄海处于东亚季风区, 6-7月盛行夏季风, 大环流背景的异常可能会造成东海海域异常反气旋的存在, 进而对黄海海雾生成与发展有重要影响。按照国家气候中心制定的标准定义[32], 分别计算了西太副高(范围: 10°N~ 50°N, 100°E~150°E)的面积指数、强度指数。其中面积指数指的是位势高度大于588 dagpm的格点数之和; 强度指数为588 dagpm网格点上平均高度值编码(即588为1, 589为2, 依次类推)之和。面积指数与强度指数的数值大小依赖于网格的精度, 本文使用的数据为ERA5再分析数据, 分辨率为0.25°× 0.25°。距平标准化结果可以看出, 2004-2018年期间, 大多数年份西太副高的面积指数和强度指数与7月黄海海雾日数呈现负相关关系(图 9), 斯皮尔曼等级相关系数分别为–0.47和–0.54, 且置信水平达到90%。即西太副高面积越大, 强度越强, 黄海雾日数越少。
对多雾年、正常年与少雾年的500 hPa位势高度场进行合成分析, 结果见图 10。从图 10看到, 多雾年、少雾年以及正常年, 西太副高的位置以及形状有着显著的不同。为了定量说明西太副高的位置与强度, 计算了合成场西太副高的面积指数、强度指数、脊线和西伸脊点(表 2)。表 2中的统计数据表明: 正常年西太副高的西伸脊点约在124.25°E, 脊线约26.42°N; 多雾年西太副高东退到126°E左右, 脊线北抬至27.93°N; 少雾年西太副高西伸至122.25°E, 脊线南撤至24.96°N, 南部5 880线可以南伸到10°N~20°N(图 10), 且面积指数和强度指数分别为少雾年的3.2倍和4.7倍。多雾年相比较少雾年来说, 西太副高向东北偏移约4.8°经纬距(西太副高西脊点与脊线交点的位置变化), 面积指数与强度指数皆明显偏小, 这使得在东海以东海域从低层一直延伸至500 hPa呈现出异常的反气旋(图 7c, 图 8 a-e), 有利于对流层中低层的暖湿气流通过西太水汽通道, 源源不断输送至黄海海域。而少雾年, 西太副高位置较正常年向西南偏约2.5°经纬距, 使得东海以东出现异常的气旋(图 7a), 这种环流不利于偏南水汽的输送。通过以上分析可以认为西太副高位置的东北偏移是造成东海以东反气旋存在的原因。
各项指数/单位 | 多雾年 | 正常年 | 少雾年 |
面积指数/格点数 | 1 626 | 4 534 | 5 264 |
强度指数/dagpm | 2 059 | 7 301 | 9 772 |
西脊点/(东经) | 126.00° | 124.25° | 122.25° |
脊线/ (北纬) | 27.93° | 26.42° | 24.96° |
从多雾年与少雾年中各选取1次典型黄海海雾个例, 它们分别发生于2008年7月9日与2017年7月12日。利用HYSPLIT模型, 以青岛近海作为追踪水平起点(120.33°E, 36.07°N), 从不同的垂向高度(10 m, 100 m与300 m)出发, 分别向后追踪5 d, 查看水汽来源路径。
图 11a, b给出了追踪的结果, 为了考察西太副高对水汽路径的影响作用, 图 11c, d给出了西太副高5 880等值线的日平均分布。对于这两个多雾年和少雾年的典型个例来说, 水汽分别从西太源地与南海源地输送至黄海(图 11a, b), 非常符合4.1节中的分析结果。由西太副高5 880线的移动轨迹来看, 多雾年个例从7月4日开始, 西太副高由东西向逐渐转为南北向并逐渐向北移动, 7月6日以后面积显著缩小并移到黄海(图 11c); 而少雾年西太副高的范围较大, 且位置稳定少变(图 11d)。此外, 依据西太副高5 880线的平均位置来推断, 多雾年西太副高面积相对小, 且位置偏北偏东(图 11c中黑色实线), 有利于水汽经由西太水汽通道进入黄海; 而少雾年西太副高面积较大, 南部5 880线南伸至10°N以南, 甚至西伸至陆地(图 11d中黑色实线), 导致水汽仅能通过南海水汽通道进入黄海。这2个典型海雾个例的分析结果, 可以清楚地了解西太副高位置对黄海海雾的水汽输送路径的决定作用。
6 结论本文根据地面观测数据, 筛选并统计了2004- 2018年青岛夏季(6-8月)的海雾日数, 并得到了其年际变化规律, 确定了海雾多寡年份。基于大气再分析数据, 进行了黄海海雾水汽收支计算与水汽来源追踪, 对比分析了多雾年与少雾年的水汽条件差异, 并探究了西太副高对水汽输送的影响, 初步解释了黄海夏季海雾的年际变化成因。
(1) 黄海海域的水汽收支分析结果表明: 水汽多通过偏南气流输送至黄海, 且多雾年偏南气流水汽通量输入约为少雾年的2.54倍; 黄海海域的水汽净收支与黄海夏季7月雾日数变化趋势一致(两者的相关系数达到0.52), 多雾年水汽通量净收支约为少雾年的2.76倍。
(2) 海雾水汽来源的聚类分析结果揭示, 多雾年存在分别源自南海与西太的2条水汽通道, 而少雾年却只有1条源自南海的水汽通道。水汽通量计算结果显示, 多雾年源自南海水汽通道上的水汽通量比少雾年要强, 且西太水汽通道是其主要通道; 水汽输送主要集中于925~1 000 hPa之间。
(3) 多雾年与少雾年西太副高位置与强度存在显著的差异。相比于少雾年, 西太副高导致了多雾年时东海以东海域存在一个异常反气旋, 且属于深厚系统(从海面至500 hPa); 该反气旋的存在与否, 决定了西太水汽通道的存在与否, 导致海雾多寡年的发生。
本文研究表明, 可以利用西太副高位置与强度的年际变化, 来预测黄海夏季海雾的年际变化。然而, 导致西太副高年际变化的原因[33-34], 还需要更进一步深入研究。此外, 黄海海雾多发生于4-7月[5-6, 29], 春季海雾的影响机制及其年际变化的原因也需要进一步研究。
[1] |
王彬华. 海雾[M]. 北京: 海洋出版社, 1983: 352. WANG Binhua. Sea fog[M]. Beijing: China Ocean Press, 1983: 352. |
[2] |
KORAčIN D, DORMAN C E. Marine fog: challenges and advancements in observations, modeling, and forecasting[M]. New York: Springer International Publishing, 2017: 537-548.
|
[3] |
CHO Y K, KIM M O, KIM B C. Sea fog around the Korean Peninsula[J]. Journal of Applied Meteorology, 2000, 39(12): 2473-2479. DOI:10.1175/1520-0450(2000)039<2473:SFATKP>2.0.CO;2 |
[4] |
傅刚, 李鹏远, 张苏平, 等. 中国海雾研究简要回顾[J]. 气象科技进展, 2016, 6(2): 20-28. FU Gang, LI Pengyuan, ZHANG Suping, et al. A brief review of marine fog research in China[J]. Advances in Meteorological Science and Technology, 2016, 6(2): 20-28. |
[5] |
周发琇, 王鑫, 鲍献文. 黄海春季海雾形成的气候特征[J]. 海洋学报, 2004, 26(3): 28-42. ZHOU Faxiu, WANG Xin, BAO Xianwen. Climatic characteristics of sea fog formation of the Yellow Sea in spring[J]. Haiyang Xuebao, 2004, 26(3): 28-37. |
[6] |
张红岩, 周发琇, 张晓慧. 黄海春季海雾的年际变化研究[J]. 海洋与湖沼, 2005, 36(1): 36-42. ZHANG Hongyan, ZHOU Faxiu, ZHANG Xiaohui. Study on the interannual change of spring sea fog in the Yellow Sea[J]. Oceanologia et Limnologia Sinica, 2005, 36(1): 36-42. DOI:10.3321/j.issn:0029-814X.2005.01.006 |
[7] |
王鑫, 黄菲, 周发琇. 黄海沿海夏季海雾形成的气候特征[J]. 海洋学报, 2006, 28(1): 26-34. WANG Xin, HUANG Fei, ZHOU Faxiu. Climatic characteristics of sea fog formation of the Yellow Sea in summer[J]. Haiyang Xuebao, 2006, 28(1): 26-34. DOI:10.3321/j.issn:0253-4193.2006.01.004 |
[8] |
ZHANG S P, XIE S P, LIU Q Y, et al. Seasonal variations of Yellow Sea fog: Observations and mechanisms[J]. Journal of Climate, 2009, 22(24): 6758-6772. DOI:10.1175/2009JCLI2806.1 |
[9] |
周发琇, 刘龙太. 长江口及济州岛临近海域综合调查报告[J]. 山东海洋学院学报, 1986, 16(1): 115-131. ZHOU Faxiu, LIU Longtai. Comprehensive survey report on the adjacent waters of Yangtze River Estuary and Jeju Island[J]. Journal of Shandong Ocean University, 1986, 16(1): 115-131. |
[10] |
傅刚, 张涛, 周发琇. 一次黄海海雾的三维数值模拟研究[J]. 青岛海洋大学学报(自然科学版), 2002, 32(6): 859-867. FU Gang, ZHANG Tao, ZHOU Faxiu. A three-dimensional numerical simulation study of the Yellow Sea fog[J]. Journal of Qingdao Ocean University, 2002, 32(6): 859-867. DOI:10.3969/j.issn.1672-5174.2002.06.002 |
[11] |
GAO S H, LIN H, SHEN B, et al. A heavy sea fog event over the Yellow Sea in March 2005: Analysis and numerical modeling[J]. Advances in Atmospheric Sciences, 2007, 24(1): 65-81. DOI:10.1007/s00376-007-0065-2 |
[12] |
F U, Ga ng, ZHANG S P, GAO S H, et al. Understanding of sea fog over the China seas[M]. Beijing: China Meteorological Press, 2012: 216.
|
[13] |
TANIMOTO Y, XIE S P, KAI K, et al. Observations of marine atmospheric boundary layer transitions across the summer Kuroshio Extension[J]. Journal of Climate, 2009, 22(6): 1360-1374. DOI:10.1175/2008JCLI2420.1 |
[14] |
KWON Y O, ALEXANDER M A, BOND N A, et al. Role of the Gulf Stream and Kuroshio–Oyashio systems in large–scale atmosphere–ocean interaction: A review[J]. Journal of Climate, 2010, 23(12): 3249-3281. DOI:10.1175/2010JCLI3343.1 |
[15] |
王厚广, 曲维政. 青岛地区的海雾预报[J]. 海洋预报, 1997(3): 52-57. WANG Houguang, QU Weizheng. Forecast of sea fog in Qingdao area[J]. Ocean Forecast, 1997(3): 52-57. |
[16] |
曹钢锋, 张善君, 朱官忠, 等. 山东天气分析与预报[M]. 北京: 气象出版社, 1988: 310. CAO Gangfeng, ZHANG Shanjun, ZHU Guanzhong, et al. Weather analysis and forecast in Shandong province[M]. Beijing: Meteorological Press, 1988: 310. |
[17] |
张苏平, 鲍献文. 近十年中国海雾研究进展[J]. 中国海洋大学学报(自然科学版), 2008, 38(3): 359-366. ZHANG Suping, BAO Xianwen. The main advances in sea fog research in China[J]. Journal of Ocean University of China, 2008, 38(3): 359-366. |
[18] |
杨悦, 高山红. 黄海海雾天气特征与逆温层成因分析[J]. 中国海洋大学学报(自然科学版), 2015, 45(6): 19-30. YANG Yue, GAO Shanhong. Analysis on the weather characteristics of marine fog in the Yellow Sea and the genesis of inversion layer[J]. Journal of Ocean University of China, 2015, 45(6): 19-30. |
[19] |
李建华, 崔宜少. 山东半岛海雾的统计与特征分析[C]// 中国气象学会. 第27届中国气象学会年会灾害天气研究与预报分会场论文集. 北京: 中国气象学会, 2010: 1959-1965. LI Jianhua, CUI Yisuo. Statistical and characteristic analysis of sea fog in Shandong Peninsula[C]//Chinese Meteorological Society. Proceedings of the 27th annual meeting of Chinese Meteorological Society on Disaster weather Research and Forecast. Beijing: Chinese Meteorological Society, 2010: 1959-1965. |
[20] |
赵永平, 陈永利, 王丕诰. 黄、东海海雾过程及其大气和海洋环境背景场的分析[J]. 海洋科学集刊, 1997, 38: 69-78. ZHAO Yongping, CHEN Yongli, WANG Peigao. Analysis of the process of marine fog and its atmospheric and marine environmental background fields in the Yellow Sea and the East China Sea[J]. Studia Marina Sinica, 1997, 38: 69-78. |
[21] |
赵绪孔, 泮惠周, 张玉俊. ENSO与黄海北部海雾[J]. 黄渤海海洋, 1990, 8(3): 16-20. ZHAO Xugong, PAN Huizhou, ZHANG Yujun. ENSO and sea fog in the Northern Yellow Sea[J]. Journal of Oceanography of Huanghai & Bohai Seas, 1990, 8(3): 16-20. |
[22] |
ZHANG S P, CHEN Y, LONG J, et al. Interannual variability of sea fog frequency in the Northwestern Pacific in July[J]. Atmospheric Research, 2015, 151: 189-199. DOI:10.1016/j.atmosres.2014.04.004 |
[23] |
白慧, 张苏平, 丁做尉. 青岛近海夏季海雾年际变化的低空气象水文条件分析—关于水汽来源的讨论[J]. 中国海洋大学学报(自然科学版), 2010, 40(12): 17-26. BAI Hui, ZHANG Suping, DING Dongwei. Analysis of low-altitude meteorological and hydrological conditions for the interannual variation of summer sea fog off Qingdao coast–discussion on the sources of water vapor[J]. Journal of Ocean University of China, 2010, 40(12): 17-26. |
[24] |
苗秋菊, 徐祥德, 张胜军. 长江流域水汽收支与高原水汽输送分量"转换"特征[J]. 气象学报, 2005, 63(1): 93-99. MIAO Qiuju, XU Xiangde, ZHANG Shengjun. Characteristics of "conversion" between water vapor budget and water vapor transport components in the Yangtze River Basin and the Plateau[J]. Acta Meteorologica Sinica, 2005, 63(1): 93-99. |
[25] |
叶敏, 封国林. 长江中下游地区夏季降水的水汽路径的客观定量化研究[J]. 大气科学, 2015, 39(4): 777-788. YE Min, FENG Guolin. Objective quantitative research on the moisture path of summer precipitation in the middle and lower reaches of the Yangtze River[J]. Chinese Journal of Atmospheric Sciences, 2015, 39(4): 777-788. |
[26] |
DRAXLER R R, HESS G D. Description of the HYSPLIT_4 modeling system[R]. NOAA Technical Memorandum, ERL ARL-224, 1997, 24.
|
[27] |
DRAXLER R R, HESS G D. An overview of the HYSPLIT_4 modeling system for trajectories, dispersion, and deposition[J]. Australian Meteorological Magazine, 1998, 47: 295-308. |
[28] |
FIELLER E C, PEARSON E S. Tests for rank correlation coefficients. Ⅱ[J]. Biometrika, 1961, 48(1/2): 29-40. |
[29] |
黄彬, 高山红, 宋煜, 等. 黄海平流海雾的观测分析[J]. 海洋科学进展, 2009, 27(1): 16-23. HUANG Bin, GAO Shanhong, SONG Yu, et al. Observation and analysis of advection marine fog in the Yellow Sea[J]. Advances in Marine Science, 2009, 27(1): 16-23. |
[30] |
赵俊虎, 封国林, 杨杰, 等. 夏季西太平洋副热带高压的不同类型与中国汛期大尺度旱涝的分布[J]. 气象学报, 2012, 70(5): 1021-1031. ZHAO Junhu, FENG Guolin, YANG Jie, et al. Different types of Western Pacific Subtropical High in summer and the distribution of large-scale drought and flood in flood season in China[J]. Journal of meteorology, 2012, 70(5): 1021-1031. |
[31] |
魏凤英, 黄嘉佑. 大气环流降尺度因子在中国东部夏季降水预测中的作用[J]. 大气科学, 2010, 34(1): 202-212. WEI Fengying, HUANG Jiayou. Role of atmospheric circulation downscaling factors in summer precipitation prediction in eastern China[J]. Journal of atmospheric science, 2010, 34(1): 202-212. |
[32] |
中央气象台长期天气预报组. 长期天气预报技术经验总结: 附录[M]. 北京: 气象出版社, 1976: 5. Long-term Weather Forecast Group of the Central Meteorological Observatory. Summary of technical experience of long-term weather forecast: appendix[M]. Beijing: Meteorological Press, 1976: 5. |
[33] |
LI H, XU F, LIN Y. The impact of SST on the zonal variability of the western Pacific subtropical high in boreal summer[J]. Journal of Geophysical Research: Atmospheres, 2020, 125: 11. |
[34] |
YANG S, LI T. Cause for quasi-biweekly oscillation of zonal location of western Pacific subtropical high during boreal summer[J]. Atmospheric Research, 2020, 345: 105079. |