陈 铁 江 洁 吴嘉伟 张 琪

（南通市气象局，江苏南通 226018）

强降雪可能造成积雪结冰、设施损坏和树木折断等，严重影响农林作物、农业设施，危及家禽牲畜安全，对能源供应、交通运输以及生产生活也有较大影响。对临近灾害天气发生进行准确预报固然重要，提早发现强降雪过程，为应对强降雪过程留出足够准备时间则更加可贵。

研究表明，强降雪形成需要特定的天气背景和物理条件[1-2]，从我国主要的降雪区来看，西北到华北一带常见高空槽、切变线、低空急流[3-4]和近地面冷垫配置[5-6]；东北地区常见冷涡和冷中心、西风槽或南支槽、地面倒槽或气旋、切变线及低空急流[7-9]或高空急流[10-11]；长江中下游和江南常常是阻塞系统、西风槽与南支槽、西南急流[12-14]或高空急流以及低层冷垫[15-17]。一般来说，锋生、高低空急流耦合可以促使潜在不稳定能量释放，增大降水总量，进而增加积雪深度[18]。另外，强降雪预报离不开降雪量与积雪深度的换算，杨琨和薛建军[19]得出我国积雪深度变化值和相应降雪量的关系大体为0.75 cm/mm；杨成芳等[20-21]认为积雪深度与多种气象要素有关；崔锦等[22-23]认为气温和相对湿度影响最大，并计算了沈阳的降雪含水比值（SLR）；陈铁等[24]对南通地区SLR 进行了计算。

然而，上述强降雪过程分析多属于分散事件研究，相关结论虽然可在本地预报时参考，但不能照搬。因此，系统挖掘本地强降雪天气和气候特征，不仅可以给预报预警提供更多支撑，而且对更早发现强降雪过程也十分有利。周子强等[25]得出4 种环流能够在黑龙江省24 h 产生降水（中雨夹雪、暴雪）量≥10 mm；晁红艳等[26]对高寒牧区气候变化包括冬半年极端降水事件变化特征进行了分析；王波等[27]分析了黑龙江省降雪特征及气候趋势；项瑛等[28]分析了江苏省主要气象灾损事件（含雪灾）的时空变化特征；李瑞萍等[29]对太原市设施农业雪灾指标进行了设计；姜有山等[30]选择湿位涡斜压项、地面气温、气温和降雪量等要素作南京降雪区与积雪深度预报；王宪彬等[31]建立了阜新地区暴雪预报方程；徐双柱等[32]建立了湖北大雪预报方法。

当前的数值模式和集合模式预报强降雪还存在一定的偏差，但一般500 hPa 天气系统的可用预报时效明显比中下层天气系统及温、压、湿、风等要素的可用预报时效长[33-36]，因此加强500 hPa 天气系统的分析总结可以更早地发现强降雪过程。陈铁等[24]研究表明，通过相似过程可以辅助预报。本文重点分析了500 hPa 天气系统分布情况，将“配料法”[37-38]思想运用其中，同时统计了江苏南通地区强降雪的积雪深度及空间分布特征，并在大气层结、动力和水汽条件等方面进行了系统归纳，以便在更早发现强降雪过程后，能对产生的积雪进行合理的估计。

1 资料来源与研究方法

1.1 资料来源

选取南通市本级、2区和4县（市）共7个国家观测站的地面气象观测资料，地面和高空天气图包含的常规资料以及时间间隔为6 h、空间分辨率为1 °×1 °(或0.75 °×0.75 °），垂直方向上数十层的ECWMF 和NCEP 全球再分析资料，资料年限为1960—2022年，共63年。

1.2 研究方法

根据往年南通地区强降雪灾情，综合考虑我国城市雪灾气象等级划分[39]、江苏省暴雪标准，即24 h降雪量≥10.0 mm，且积雪深度≥5.0 cm[40]和南通市低温雨雪冰冻灾害应急预案启动最低级别应急响应要求中的一种，即24 h内降雪量≥7.5 mm，且预报雨雪天气持续，结合本地平均SLR，将中心深度≥4.0 cm的过程定义为本地区的强降雪过程。由此统计本地区在1960—2022 年间共出现强降雪过程37 次。将“配料法”[37-38]思想运用到强降雪过程分析中，分析归纳强降雪天气气候特征，利用再分析资料进行物理量计算和分析，结合地面和高空资料从影响系统、大气层结、动力和水汽条件等方面探索强降雪和积雪深度的预报指标。

2 结果与分析

2.1 南通强降雪过程的气候特征

12月至次年3月均可出现强降雪，绝大多数出现在1、2月份，合计占31/37；3月占4/37；12月占2/37，最少。强降雪初日为12 月25 日，日积雪深度5.0 cm，1966 年出现南通本站；强降雪终日在3 月21 日，日积雪深度18.0 cm，1998年出现在如皋。全市最大积雪深度28.0 cm，2008 年1 月28 日出现在如皋。积雪深度在10.0 cm 以下占22/37，10.0～20.0 cm 的占12/37，20.0 cm 及以上的只出现过3 次（详见表1）。南通本站和如皋站最容易成为积雪中心（一个过程可以不止一个降雪中心），分别有15次和12次，其他站成为积雪中心的次数均在5 次以下，最少为启东仅出现2 次。北三站（海安、如皋和如东）共出现22次，中南三站（南通、通州和海门）共出现22次，与北三站持平。东部三站（如东、通州和启东）共出现11 次积雪中心，明显小于西部的35 次（详见表2）。可见，南通地区积雪深度主要体现为东西方向上的差别。

表1 1960—2021年南通市37次强降雪过程积雪深度分布

表2 1960—2021年南通市7个国家观测站强降雪过程积雪中心分布

2.2 欧洲中心细网格数值模式预报能力检验

强降雪过程的预报离不开参考多家数值天气预报模式的结果，各家的结论可能存在较大的差别，以目前公认的欧洲中心网格数值模式为例，采用2020年底至2021年初2次全国性寒潮过程，南通市这2 次天气过程48 h 降温达到区域性强寒潮标准，过程最低气温均出现在第3 日早晨，为减少晴空辐射降温对模式结果的干扰，分别检验欧洲中心细网格数值模式对过程最低气温前一天08时，即2020年12月30日08时和2021年1月7月8日08时，离南通国家观测站最接近格点上空2 m、925、850、700 和500 hPa模式气温，从240 h至12 h间隔12 h的预报偏差（详见图1）。

图1 Ec细网格240 h内间隔12 h预报常用层和2 m气温偏差

图2 南通地区强降雪过程的500 hPa天气系统配料

由图1 可知，500 hPa 气温偏差最为平稳，绝大多数时间均在2 ℃范围内，只有极少数时次超出2 ℃，偏差也在2～4 ℃，而且绝大多数时次为负偏差，也就是对高空的涡预报比实际略强，对高空脊预报比实际略弱。其他各层的气温偏差，尤其是850 hPa 和925 hPa 均为正偏差，可能在48 h后偏差明显大于2 ℃、在72 h后偏差达到4 ℃以上，并可能在120 h 及之后偏差急剧上升。通过以上偏差比较可知，为了更早预报强降雪过程，需要着重分析500 hPa 天气系统的分布情况，同时尽量统计过程前后各层气温、垂直速度、一定范围水汽等物理量的极值，来在模式预报中进行辨别，少用某一时刻的各层气温及其他物理量分布来判识，因为在具体预报时无法准确得知该过程各层气温及其他物理量误差的具体数值，准确预报的时效可能不超过48 h。

2.3 500 hPa天气系统配料

强降雪过程主要发生的冬、春季节，天气尺度及大尺度天气系统起到主要作用，中低空特征显著的中小尺度系统在系统演变剧烈阶段才出现。参考《江苏省天气预报技术手册》，南通强降雪过程影响天气系统可归纳为阻塞系统、高压脊、冷涡、南北西风槽、中低空切变、西南急流、高空急流和低空冷垫等等。一般中低空系统是500 hPa 系统的变形场，可以通过500 hPa 系统推测中低空系统演变，另外高空急流一般对应中低空强锋区，也能通过500 hPa 系统间接推测高空急流演变情况。

鉴于500 hPa天气系统的数值预报偏差明显较中低层小，为了更早发现强降雪过程，本文通过500 hPa等压面上的阻塞系统、高压脊、冷涡、南北西风槽和冷中心的分布进行历史过程500 hPa 天气系统的配料归类，方便对源源不断的冷空气和充足的暖湿气流扩散到长江下游地区进行诊断。本文在（50°～150 °E、5°～70 °N）的范围上重点关注4 个区域，即（100°～150 °E、35～60 °N）的中高纬东部区域、（50°～100 °E、35°～70 °N）的中高纬西部区域、（70°～110 °E、15°～35 °N）的中低纬上游区域和（90°～120 °E、25°～45 °N）的中纬上游区域。

条件A 为在中高纬东部区域内有≤-36 ℃冷中心，所有历史强降雪过程均符合此条件。条件B 细分为3 条，在中高纬西部区域内，有阻塞系统为B1，有冷涡并伴有≤-32 ℃冷中心为B2，有北伸到60 N以北的高压脊为B3。中高纬地区东部区域和西部区域的条件A和B组合显示有源源不断的冷空气扩散到长江下游。条件C 细分为2 条，在中纬上游区域有西风槽为C1，在中低纬上游区域内有宽广南支槽为C2，条件C 显示有充足的（暖）湿空气到达长江下游，详见图1（a）。另外，图1 中的虚线长方形区域代表预报时重点关注水汽输送区，实心球代表南通地区，为下文水汽诊断时涉及。南通地区历史强降雪过程都可以归为其中的一种配置（详见表3），配料型①～⑤的典型天气形势与图1 中的（b）～（f）一一对应（详见图1）。

表3 1960—2021年强降雪过程500 hPa系统配料

在中高维西部区域，条件B2（有冷涡并伴有≤-32 ℃冷中心）出现次数较少，占4/37，条件B1（阻塞系统，占21/37）和条件B3（高压脊，占12/37）为绝大多数。在中纬上游区域条件C1（西风槽）出现14次，略超过1/3，而在中低纬上游区域条件C2（南支槽）接近2/3，为大多数。

2.4 动力、温度层结和水汽条件分析

2.4.1动力条件分析选取各强降雪过程中积雪中心上空1 000 hPa至100 hPa的最大上升速度进行比较（详见图3）。可见最大上升速度集中在-0.5～-0.2 Pa/s，占32 /37；-0.35 Pa/s 出现频次最多，对应积雪深度的跨度也最大；-0.25 Pa/s出现频次和对应积雪深度的跨度仅次于前者。垂直上升速度绝对值大于0.5 Pa/s 的只有2 个，虽然上升速度排名靠前，但对应积雪深度的排名在前5 名以外，可见剧烈的上升运动，对应着高低空急流的耦合、强烈的锋生及不稳定能量的释放，强暖平流及大量潜热释放，导致雨夹雪占比高，积雪深度反而不是最高。

图3 南通地区最大积雪深度与上空垂直速度

2.4.2气温垂直分布选取各强降雪过程从开始到结束，积雪中心上空925 和850 hPa 上的最低气温进行比较（详见图4）。850 hPa 最低气温绝大多数≤-6 ℃，占35 /37，大部分介于-17～-6 ℃；925 hPa最低气温绝大多数≤-4 ℃，占36 /37，大部分介于-15～-4 ℃。最大积雪深度超过20 cm的3个过程，850 hPa 最低气温介于-12～-8 ℃，925 hPa 最低气温介于-11～-7 ℃，可见并不是气温越低积雪深度就越厚，而呈现出中间厚、两侧低的分布。

图4 南通地区最大积雪深度与850 hPa（a）和925 hPa（b）过程最低气温

绝大多数强降雪过程925～700 hPa 存在逆温层，700 hPa为暖盖，也有少部分过程不存在700 hPa对850 hPa及925 hPa逆温的情况。选取各强降雪过程从开始到结束，积雪中心上空700 hPa 与850 hPa最大气温差、700 hPa 与925 hPa 最大气温差进行比较（详见图5）。一般700 hPa 对850 hPa 温差≥0 ℃，占32/37；一般700 hPa 对925 hPa 温差≥0 ℃，占30/37。700 hPa 与850 hPa 及925 hPa 温差最大都在7 ℃左右（详见图5）。

图5 南通地区最大积雪深度与700 hPa和850 hPa（a）、700 hPa和925 hPa（b）温差

2.4.3水汽条件分析南通地区（图2a中的绿色实心范围）处于陆海交界区域，且纬度偏南，强降雪过程相态转换关系复杂，过程降水量、本地区及周边水汽通量散度中心值与最大积雪深度间的统计关系并不理想。南通强降雪的水汽源地主要是孟加拉湾或南海，低空至500 hPa存在较深厚的水汽输送区和水汽饱和区，上游或附近（100 °～125 °E、20 °～35 °N，图2a中的方框范围）强降雪过程中水汽通量输送最大数值与强降雪过程地面最大积雪深度存在良好线性关系，700 hPa 水汽通量绝大多数大于10 g/(cm·hPa·s)，500 hPa均大于5 g/(cm·hPa·s)，过程最大积雪深度与500 hPa 水汽通量输送中心数值近乎相同（详见图6），可以用来估计积雪中心深度。

图6 南通地区最大积雪深度与500 hPa(a)和700 hPa(b)水汽通量

3 结论与讨论

本文利用常规观测资料和再分析资料，分析南通地区1960—2022年共37次强降雪过程，为更早发现强降雪过程，加强对500 hPa 天气系统的分析总结，将“配料法”思想运用其中，同时统计了南通地区强降雪的积雪深度及空间分布特征，并在大气层结、动力和水汽条件等方面进行了系统归纳，以便在更早发现强降雪过程后，能对产生的积雪进行合理的估计。主要结论如下。

（1）南通地区强降雪过程大多数积雪深度小于10 cm，10 cm 以上的占15/37；南通本站和如皋站最容易成为积雪中心，分别有15 次和12 次，其余站成为积雪中心的次数均在5 次以下，最少为启东仅出现2 次。积雪中心出现次数南北差异不大，差别主要体现在东西方向上。

（2）通过恰当的500 hPa 天气系统配料，南通地区出现强降雪过程必要的500 hPa 天气系统配料条件为引导冷空气南下的中高纬度槽脊及冷中心、引导暖湿气流北上西风槽与南支槽的5 种组合，通过具体组合可以分辨冷、暖空气的来源以及属于历史常见还是少见组合。

（3）绝大多数中心垂直上升速度在-0.5～-0.2 Pa/s，占32/37；绝对值大于0.5 Pa/s的只有2个。

（4）37 次过程中850 hPa 最低气温≤-6 ℃的有35 个，925 hPa 最低气温≤-4 ℃的有36 个；700 与850 hPa 温差≥0 ℃的有32 个，700 与925 hPa 温差≥0 ℃的有30 个；通过对照可以把握层结条件和逆温强度。

（5）上游或附近（100°～125°E、20°～35°N）存在水汽输送大值中心，700 hPa水汽通量≥10 g/(cm·hPa·s)的36 个，500 hPa 水汽通量≥5 g/(cm·hPa·s)的37 个，其中500 hPa 水汽通量中心数值可以近似为过程最大积雪深度。

结果适合业务预报使用，能及早发现并持续关注天气系统的调整，可以做出更富远见的强降雪预报和服务。当前研究主要基于预报员分析天气的思路进行的分析和归纳，未来可利用机器深度学习来作进一步分析。