楊夢(mèng)兮 劉梅 俞劍蔚 胡瑞金 陳圣劼

摘要 利用ECMWF集合預(yù)報(bào)資料，采取連續(xù)SVD的方法作為敏感性分析的工具，對(duì)同受江淮氣旋影響的江蘇省沿江蘇南和淮北地區(qū)兩次不同暴雨過(guò)程中海平面氣壓場(chǎng)的敏感區(qū)進(jìn)行診斷分析。結(jié)果表明：1）敏感信號(hào)最早可提前2 d左右被鎖定，存在明顯地東傳特征，也有位相之間轉(zhuǎn)換。2）沿江蘇南的降水過(guò)程中信號(hào)最早出現(xiàn)在江西北部和湖南西北部，主要沿著長(zhǎng)江一線向下游傳播;正負(fù)信號(hào)的轉(zhuǎn)換對(duì)應(yīng)有雨帶位置向南調(diào)整，而一致的負(fù)信號(hào)可引起降水整體偏多，反之亦然。3）淮北暴雨預(yù)報(bào)的不確定性始于江蘇中東部沿海，它的正擾動(dòng)和湖北北部的負(fù)擾動(dòng)都可使異常雨帶呈東北-西南向正-負(fù)形式的分布，而以鄂西為中心的正擾動(dòng)則可使得區(qū)域降水整體偏弱，反之也都亦然;但這些信號(hào)主要沿著鄂-豫-皖-蘇一線傳播。4）兩次過(guò)程前兩模態(tài)的敏感區(qū)在覆蓋離散度的大值區(qū)域上有一定的互補(bǔ)性。

關(guān)鍵詞集合敏感性;SVD;暴雨;海平面氣壓

暴雨對(duì)經(jīng)濟(jì)和人民生命財(cái)產(chǎn)有著嚴(yán)重的破壞性，它是出現(xiàn)概率最高、影響范圍最廣、造成損失最大的自然災(zāi)害之一（朱宵峰等，2008;翁莉等，2015;閔錦忠和房麗娟，2017）。而江淮地區(qū)暴雨災(zāi)害受江淮氣旋影響出現(xiàn)的概率極高，近年來(lái)發(fā)生的頻率更是呈上升趨勢(shì)（黃士松等，1976;陳筱秋和王詠青，2016;張曉紅等，2016）。此類背景下暴雨落區(qū)與氣旋路徑和強(qiáng)度變化密切相關(guān)，兩者之間關(guān)系一直難以準(zhǔn)確判定（Hawblitzel et al.，2007;朱乾根等，2007;錢維宏等，2016）。近年來(lái)，集合預(yù)報(bào)逐漸發(fā)展，對(duì)極端天氣現(xiàn)象或罕見(jiàn)天氣事件的預(yù)報(bào)能力發(fā)揮著越來(lái)越大的作用（杜鈞和陳靜，2010;智協(xié)飛等，2014;于連慶等，2015;畢寶貴等，2016）。在強(qiáng)降水預(yù)報(bào)中，集合預(yù)報(bào)提供了大量相關(guān)信息（閔錦忠和房麗娟，2017;馬旭林等，2018），但預(yù)報(bào)員如何從這些大量信息中挖掘有用信息，提高集合預(yù)報(bào)釋用能力，是目前面臨的系列問(wèn)題。

對(duì)集合預(yù)報(bào)深度開(kāi)發(fā)和檢驗(yàn)方法的研究是有效使用其產(chǎn)品的重要方面之一（鄧國(guó)等，2010;杜鈞和李俊，2014;曹萍萍等，2017;陳浩等，2017），其中包括敏感性分析方法的應(yīng)用（Gombos et al.，2012;Chang et al.，2013）。集合敏感性產(chǎn)品可幫助預(yù)報(bào)員了解某一天氣系統(tǒng)難以預(yù)報(bào)的上游原因，并可指導(dǎo)下一步的目標(biāo)觀測(cè)（李玉煥等，2013）。如僅僅基于簡(jiǎn)單相關(guān)系數(shù)的敏感性產(chǎn)品和根據(jù)集合離散度預(yù)估出的特別敏感區(qū)（Torn and Hakim，2008）就被廣泛地運(yùn)用于集合預(yù)報(bào)產(chǎn)品的分析當(dāng)中。Zheng et al.（2013）基于線性相關(guān)等方法找到了與氣旋強(qiáng)度和路徑不確定性預(yù)報(bào)相關(guān)的敏感區(qū);李俊等（2009）則結(jié)合離散度找到的預(yù)報(bào)誤差敏感區(qū)改進(jìn)了西南渦的預(yù)報(bào)。還有一些選擇極端降水背景下低值系統(tǒng)預(yù)報(bào)不確定性進(jìn)行研究（趙曉琳等，2010;Gombos et al.，2012;Chang et al.，2013;李玉煥等，2013）。這些方法簡(jiǎn)單便捷，但沒(méi)有涉及要素之間的耦合性，而降水空間分布不僅僅受敏感區(qū)影響，它也可能隨著時(shí)間發(fā)生變化。為此，選取了SVD（奇異值分解）的方法來(lái)分析強(qiáng)降水與天氣系統(tǒng)之間敏感性。

SVD方法被廣泛地運(yùn)用于兩個(gè)氣象要素序列之間的相關(guān)關(guān)系分析，可最大限度地從兩個(gè)要素場(chǎng)分離出多個(gè)相互獨(dú)立的耦合模態(tài)，從而揭示兩要素場(chǎng)所存在的時(shí)域相關(guān)性的空間關(guān)系（施能，2002;吳洪寶和吳蕾，2005;魏鳳英，2007）。趙永晶和錢永甫（2009）用該方法分析了全球海溫異常對(duì)中國(guó)降水異常的影響;還有一些研究通過(guò)揭示中國(guó)冬、夏季氣溫、降水之間的同期耦合時(shí)空特征，比較了SVD與其他方法分析所得主要正交模的相關(guān)關(guān)系及均衡性，論證了SVD方法在揭示兩個(gè)要素序列相互關(guān)系上的優(yōu)越性（苗青等，2016;陶麗等，2017;李麗平等，2018）。目前，運(yùn)用該方法針對(duì)耦合要素敏感區(qū)的分析尚少。皇甫雪官（2002）、智協(xié)飛等（2014）開(kāi)展了有關(guān)暴雨集合敏感性產(chǎn)品的試驗(yàn)，而建立在集合預(yù)報(bào)基礎(chǔ)之上，針對(duì)江蘇暴雨的集合敏感性分析目前基本沒(méi)有開(kāi)展，該工作的展開(kāi)將提高集合產(chǎn)品釋用能力及集合預(yù)報(bào)在省內(nèi)優(yōu)勢(shì)的發(fā)揮。本文運(yùn)用連續(xù)SVD方法尋找江淮氣旋背景下，與江蘇暴雨耦合，并與氣旋直接相關(guān)的海平面氣壓場(chǎng)上的敏感信號(hào)。

1 資料和方法

1.1 資料

提取TIGGE（THORPEX Interactive Grand Global Ensemble，全球交互式大集合）資料（智協(xié)飛和陳雯，2010;畢瀟瀟，2015）中歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather，ECMWF）的產(chǎn)品用于敏感性分析方法的研究。ECMWF的實(shí)時(shí)預(yù)報(bào)產(chǎn)品在當(dāng)前業(yè)務(wù)中運(yùn)用最為廣泛，它包括50個(gè)擾動(dòng)成員，每天提供兩次（00時(shí)，12時(shí)）產(chǎn)品，時(shí)間間隔為6 h，預(yù)報(bào)時(shí)效最長(zhǎng)可達(dá)15 d。研究中選取了降水與海平面氣壓兩個(gè)要素，水平分辨率取為0.5°×0.5°。

1.2 方法

為了研究降水量變化（作為左場(chǎng)）與海平面氣壓（作為右場(chǎng)）兩個(gè)場(chǎng)之間連續(xù)變化的關(guān)系，運(yùn)用連續(xù)SVD方法確定敏感區(qū)。具體方法是將預(yù)報(bào)的目標(biāo)區(qū)域累積雨量與逐時(shí)次的海平面氣壓場(chǎng)分別進(jìn)行SVD。由于該方法廣泛地應(yīng)用于氣象要素場(chǎng)耦合模態(tài)的分離（丁裕國(guó)和江志紅，1996;施能，2002;吳洪寶和吳蕾，2005;毛文書等，2007;魏鳳英，2007），算法不再贅述。但為了包含更多的信息和便于比較，對(duì)SVD空間型表示做出了一些變化。具體如下：

設(shè)X、Y分別為左場(chǎng)和右場(chǎng)，

U=L′X，V=M′Y。 ?（1）

其中：L、M分別為左、右場(chǎng)的奇異向量;U、V分別為左、右場(chǎng)的時(shí)間系數(shù);撇號(hào)代表矩陣的轉(zhuǎn)置;其中左場(chǎng)第i個(gè)空間格點(diǎn)第k個(gè)模態(tài)的奇異向量也可以表示為：

lik=r（xi，vk）D（xi）D（vk）/λk=r（xi，vk）D（xi）D（vk）D（vk）λk。 ?（2）

其中：i是左場(chǎng)的空間格點(diǎn)序號(hào);xi對(duì)應(yīng)左場(chǎng)的第i個(gè)要素;vk對(duì)應(yīng)右場(chǎng)的第k個(gè)時(shí)間系數(shù);λk為第k個(gè)奇異值;r（xi，vk）代表xi與vk之間的相關(guān)系數(shù)（即左場(chǎng)的異性相關(guān)系數(shù)），D（xi）和D（vk）則分別代表xi與vk的方差，r（xi，vk）D（xi）D（vk）代表xi與vk之間的一元線性回歸系數(shù)，它乘以vk的標(biāo)準(zhǔn)差D（vk）表示解釋的xi變化的大小。

因此，左場(chǎng)的空間型表示為：

λkD（vk）lik=r（xi，vk）D（xi）。 ?（3）

可以看出，現(xiàn)在表示的空間型在普通的奇異向量的基礎(chǔ)上乘以一個(gè)常數(shù)λkD（vk），對(duì)空間結(jié)構(gòu)的定性分析沒(méi)有影響;同時(shí)，它也是在異性相關(guān)系數(shù)的基礎(chǔ)上乘以左場(chǎng)的標(biāo)準(zhǔn)差，對(duì)空間結(jié)構(gòu)的定性分析也沒(méi)有影響，但卻可以表示右場(chǎng)的時(shí)間系數(shù)變化（一倍標(biāo)準(zhǔn)差時(shí)），所引起的左場(chǎng)變化大小（之空間分布），其量綱與左場(chǎng)的變量相同（在此為mm）。

右場(chǎng)的空間型表示與左場(chǎng)類似。

采用Monte Carlo技術(shù)進(jìn)行SVD模態(tài)的顯著性檢驗(yàn)（魏鳳英，2007）。

2 分析個(gè)例選取

為分析氣旋與降水之間的關(guān)系以及江蘇不同區(qū)域強(qiáng)降水地面氣壓的敏感區(qū)，選取了受江淮氣旋影響且降水落區(qū)明顯不同的兩次暴雨過(guò)程，分別是2015年6月16日08時(shí)—17日08時(shí)和2013年5月26日08時(shí)—27日08時(shí)（北京時(shí)，下同）。兩次過(guò)程均是在江淮氣旋東移過(guò)程中發(fā)生的區(qū)域性暴雨，不同的是江淮氣旋東移路徑有所差異，前者氣旋路徑偏南，降水落區(qū)位于沿江蘇南地區(qū)，而后者氣旋路徑偏北，強(qiáng)降水落區(qū)位于淮北。兩次落區(qū)南北差別之大（圖1的方框給出了兩次過(guò)程大致的暴雨落區(qū)），幾乎完全沒(méi)有交疊。而從過(guò)程主要影響系統(tǒng)分析，江淮氣旋位置起到關(guān)鍵作用，也是決定兩次降水區(qū)域和強(qiáng)度的關(guān)鍵因子，因此即通過(guò)SVD方法對(duì)兩次過(guò)程地面氣壓與降水進(jìn)行分析。通過(guò)場(chǎng)的對(duì)比，探討受江淮氣旋影響造成江蘇不同區(qū)域暴雨過(guò)程中地面氣壓主要敏感區(qū)，為預(yù)報(bào)提供上游分析參考。

為了集中反映ECMWF集合預(yù)報(bào)成員間預(yù)報(bào)降水情況，圖1給出了兩次過(guò)程提前5.5 d（即132 h，它們分別對(duì)應(yīng)著2015年6月11日20時(shí)和2013年5月21日20時(shí)起報(bào)的結(jié)果，下述預(yù)報(bào)產(chǎn)品的起報(bào)時(shí)間同此）集合平均的結(jié)果。5.5 d的選取基于敏感信號(hào)的可提前量（Zheng et al.，2013），也考慮到20時(shí)起報(bào)的產(chǎn)品在業(yè)務(wù)中的使用率較高，另外也與江淮氣旋的生命史有關(guān)（一般在12 h以上且最長(zhǎng)不超過(guò)5 d）（朱乾根等，2007）。由圖1可見(jiàn)，兩次結(jié)果均沒(méi)有預(yù)報(bào)出有暴雨出現(xiàn)的情況，僅分別在沿江蘇南和淮北的大部報(bào)出了大雨;為了反映出成員間降水預(yù)報(bào)的不確定性，圖1也給出了集合離散度（皇甫雪官，2002;李俊等，2009），即降水預(yù)報(bào)標(biāo)準(zhǔn)差的情況。在平均降水量較大的區(qū)域，如圖1a中沿江蘇南地區(qū)及圖1b中淮北地區(qū)，雨量的變幅也較其他地區(qū)要大，最大可達(dá)30 mm以上，暴雨落區(qū)成員間差異較大。

3 敏感性分析和討論

通過(guò)連續(xù)SVD的方法對(duì)兩次過(guò)程的氣壓敏感區(qū)進(jìn)行逐一判定，分析其傳播和演變特征，對(duì)比兩者間的差異，并進(jìn)一步分析出其對(duì)降水造成的影響。

3.1 沿江蘇南暴雨

為研究降水量與海平面氣壓之間耦合關(guān)系，對(duì)選取過(guò)程ECMWF集合預(yù)報(bào)50個(gè)成員預(yù)報(bào)江蘇（116°～122.5°E，30.5°～35.5°N）的累積降水距平和從起報(bào)時(shí)間開(kāi)始逐6 h的海平面氣壓場(chǎng)依次進(jìn)行SVD。例如在沿江蘇南暴雨過(guò)程中，降水距平固定不變，其與2015年6月12日08時(shí)海平面氣壓的SVD對(duì)應(yīng)著第1次分解，與12日14時(shí)氣壓的SVD對(duì)應(yīng)著第2次分解，以此類推，連續(xù)共進(jìn)行23次分解?？紤]江淮氣旋的生成源地和其能夠?qū)K造成影響的適用范圍（朱乾根等，2007），海平面氣壓場(chǎng)選取的范圍為110°～122°E、25°～35.5°N，并且適當(dāng)?shù)姆糯蠛涂s小范圍對(duì)本文的結(jié)果沒(méi)有本質(zhì)上的影響。首先給出的是沿江蘇南暴雨過(guò)程分解后的結(jié)果。

分解所得耦合信息主要集中在前兩個(gè)模態(tài)中，第一、二模態(tài)解釋協(xié)方差平方和貢獻(xiàn)率的平均值分別為57.4%、23.6%，兩者累積達(dá)81%，可以揭示出耦合場(chǎng)的主要特征。兩個(gè)模態(tài)表征的要素場(chǎng)之間的整體相關(guān)性均較好，相關(guān)系數(shù)的平均值都在0.5左右，達(dá)到了95%的置信度水平。除此之外，前兩模態(tài)各自的解釋協(xié)方差平方和貢獻(xiàn)率及其累計(jì)值（圖略），以及各模態(tài)的相關(guān)系數(shù)在演變中均呈上升趨勢(shì)（圖2），表明隨著預(yù)報(bào)時(shí)效的臨近，降水與氣壓的相關(guān)關(guān)系越為緊密。

值得注意的是，從第14次分解至最后，前兩模態(tài)累計(jì)的解釋協(xié)方差平方和貢獻(xiàn)率均維持在80%以上，平均高達(dá)91.6%;前兩模態(tài)的奇異向量也均通過(guò)了置信度為95%的Monte Carlo顯著性水平檢驗(yàn)。相關(guān)系數(shù)在第14段之后的上升趨勢(shì)更加明顯（圖2），之前平均分別為0.37和0.42，而之后則分別達(dá)到了0.59和0.66。

第一模態(tài)的海平面氣壓場(chǎng)在15日02時(shí)，即提前54 h開(kāi)始出現(xiàn)較明顯的擾動(dòng)信號(hào)（對(duì)應(yīng)著第14次的分解），而在此之前，信號(hào)較為微弱，也并不連續(xù)（圖略）。圖3和圖4給出了第一模態(tài)的信號(hào)開(kāi)始之后，兩個(gè)要素場(chǎng)之間相互影響的關(guān)系型發(fā)展變化的結(jié)果，即第14次分解之后的結(jié)果。

圖3是受降水影響的海平面氣壓關(guān)系型的變化。信號(hào)初始于江西北部，為小片的正值信號(hào)，隨著它開(kāi)始自西向東的傳播，相對(duì)應(yīng)耦合的沿江蘇南的異常雨帶如圖4所示，均為北正南負(fù)型，每個(gè)時(shí)次敏感區(qū)的正變壓可理解為能夠使得沿江蘇南的降水南少北多，反之亦然。敏感信號(hào)每6 h都有一定的傳播，并存在正負(fù)位相的更替，隨之雨帶也存在著南北擺動(dòng)，例如在負(fù)信號(hào)出現(xiàn)但還沒(méi)有成為主信號(hào)時(shí)（圖3a—3g），雨帶整體呈北抬趨勢(shì)（圖4a—4g），演變至圖4g時(shí)，蘇南大部已基本變?yōu)榱素?fù)距平。圖3g是正負(fù)信號(hào)的轉(zhuǎn)換點(diǎn)，隨著正信號(hào)東移入海，自鄂西出現(xiàn)的負(fù)信號(hào)開(kāi)始占據(jù)了主導(dǎo)地位，并配合有雨帶明顯的南落，這又分別對(duì)應(yīng)圖3 h和4 h。從圖3中還可看出，江西北部的初生信號(hào)（圖3a），16日02時(shí)（圖3e）新生的湖南-湖北-江西-浙江的大片正信號(hào)，以及16日14時(shí)（圖3g）初現(xiàn)的負(fù)信號(hào)，它們都主要沿著長(zhǎng)江一線向下游傳播。另外，隨著信號(hào)的傳播，也有雨量的不確定變化，例如隨著負(fù)信號(hào)占據(jù)主導(dǎo)，對(duì)應(yīng)的降水在圖4h—4j的沿江西部異常偏多，最大可達(dá)20 mm以上。

由圖3的變化還可看出，信號(hào)出現(xiàn)區(qū)域，即為引起降水異常的氣壓敏感區(qū)，與一些離散度大值區(qū)位置較為吻合，這在圖3i、3j中及圖3c、3d的東部、圖3h的西部十分匹配，此外，兩者在其他任何一張子圖中都有一定的交集，而離散度本身的連續(xù)性傳播特征并不明顯。

圖5、6分別給出了第二模態(tài)較為明顯的信號(hào)開(kāi)始之后，也即提前54 h（對(duì)應(yīng)著第14次分解），兩個(gè)要素場(chǎng)之間相互影響的關(guān)系型發(fā)展變化的結(jié)果。由圖可見(jiàn)，第二模態(tài)的氣壓場(chǎng)只有一股傳速較慢的負(fù)信號(hào)，圖5中所示，初始15日02時(shí)（圖5a）信號(hào)位于湖南的西北部，其后主要沿著長(zhǎng)江一線向下游擴(kuò)散傳播，至17日08時(shí)（圖5j），仍有信號(hào)留在蘇南-浙江一帶，并沒(méi)有完全東移出海。就耦合的沿江蘇南的降水來(lái)看（圖6所示），呈單一的正變化，并同樣存在著雨量分布的不均勻性。圖6d—6g中所示，隨著負(fù)變壓從湖南北部傳播至長(zhǎng)江的中下游一帶（對(duì)應(yīng)圖5d—5g），雨量在蘇南地區(qū)的西部異常偏多。

除此之外，從圖5可見(jiàn)，敏感區(qū)和離散度的大值區(qū)在圖5g中及圖5c、5d、5e的西部、圖5h的東部區(qū)域十分匹配，兩者在其他大部分子圖中也都有交集，雖然它們較第一模態(tài)的匹配度要差些，但是兩個(gè)模態(tài)的敏感區(qū)在覆蓋離散度的大值區(qū)域上有一定的互補(bǔ)性，前兩模態(tài)也大致涵蓋了臨近時(shí)效的一些大值的區(qū)域。

兩模態(tài)分析顯示江淮氣旋造成的沿江蘇南暴雨過(guò)程，其地面氣壓主要敏感區(qū)位于強(qiáng)降水開(kāi)始前12 h內(nèi)安徽南部至江西北部，以及12—24 h湖北中東部地區(qū)。

3.2 淮北地區(qū)暴雨

淮北地區(qū)暴雨過(guò)程SVD敏感性分析結(jié)果顯示，耦合信息也主要集中在前兩個(gè)模態(tài)當(dāng)中，第一、二模態(tài)解釋協(xié)方差平方和貢獻(xiàn)率的平均值分別為67.1%、20.5%，兩者累積達(dá)87.6%，也可以很好地揭示出耦合場(chǎng)的主要特征。兩個(gè)模態(tài)各自表征的要素場(chǎng)之間整體相關(guān)性的相關(guān)系數(shù)的平均值都在0.5左右。不僅如此，前兩模態(tài)累計(jì)的解釋協(xié)方差平方和貢獻(xiàn)率（圖略），以及各模態(tài)的相關(guān)系數(shù)在演變中也均呈上升趨勢(shì)（圖7）。然而其較沿江蘇南過(guò)程也存在著明顯的不同，此次過(guò)程中，敏感區(qū)的位置明顯偏北，尤其是強(qiáng)變壓區(qū)，圖8—11給出的是兩個(gè)模態(tài)較為明顯信號(hào)出現(xiàn)之后的結(jié)果，之前分解的圖略。

第一模態(tài)中正信號(hào)一直占據(jù)主導(dǎo)（圖8），雖然沒(méi)有位相的轉(zhuǎn)變，但是同樣存在著信號(hào)之間的更替。敏感信號(hào)于2013年5月24日20時(shí)（即提前了60 h，對(duì)應(yīng)著第13次分解，圖8a）首先出現(xiàn)在江蘇中東部沿海，這對(duì)應(yīng)著相關(guān)系數(shù)開(kāi)始近乎直線地上升（圖7），這些信號(hào)均通過(guò)了置信度為95%的Monte Carlo顯著性檢驗(yàn)。隨著這股信號(hào)在江蘇北部范圍逐漸擴(kuò)大并加強(qiáng)，相應(yīng)的淮北地區(qū)的降水基本呈現(xiàn)出西北-東南的正-負(fù)形式分布，這分別對(duì)應(yīng)圖8a—8d和圖9a—9d。隨著這股信號(hào)的消失，25日20時(shí)（圖8e）出現(xiàn)了以湖北省為中心的大片正值信號(hào)，其后強(qiáng)中心沿著鄂-豫-皖-蘇一線東移，中心強(qiáng)度逐漸加強(qiáng)，信號(hào)范圍也不斷擴(kuò)大，受其影響，直至27日08時(shí)（圖9k），除小部分區(qū)域外，淮北地區(qū)的降水基本都變?yōu)榱素?fù)異常，這又分別對(duì)應(yīng)圖8e—8k和圖9e—9k。

與第一模態(tài)不同，第二模態(tài)中負(fù)信號(hào)占據(jù)了主導(dǎo)，圖10中所示，敏感區(qū)的傳播以信號(hào)范圍的逐漸東擴(kuò)為主。信號(hào)最早出現(xiàn)在湖北北部，時(shí)間在25日08時(shí)（圖10a），即提前了48 h，對(duì)應(yīng)著第15次分解，模態(tài)也在前后才通過(guò)置信度為95%的Monte Carlo顯著性檢驗(yàn)，其后信號(hào)范圍沿著鄂-豫-皖-蘇一線逐漸擴(kuò)大，模態(tài)相關(guān)性的增強(qiáng)趨勢(shì)也較之前更為明顯（圖7），至27日08時(shí)（圖10i），負(fù)信號(hào)基本遍布了32°N以北的地區(qū)。隨著初始信號(hào)的擴(kuò)大傳播，異常雨帶在淮北地區(qū)基本呈東北-西南向的正-負(fù)形式分布（圖11）;在26日02時(shí)（圖10d）當(dāng)上游河南和湖北地區(qū)出現(xiàn)明顯的負(fù)變壓信號(hào)時(shí)，對(duì)應(yīng)的淮北地區(qū)出現(xiàn)明顯正異常，且明顯增強(qiáng)（圖11d）。成片正值信號(hào)開(kāi)始出現(xiàn)在圖10f中的江西大部，圖10h時(shí)便完全消失，此后，淮北地區(qū)降水都轉(zhuǎn)為了正異常（圖11h—11i）。

從圖11還可發(fā)現(xiàn)，隨著氣壓離散度較上個(gè)過(guò)程明顯偏大，強(qiáng)信號(hào)的分布范圍也隨之變廣，與上個(gè)個(gè)例中一致，兩個(gè)模態(tài)的敏感區(qū)在覆蓋離散度的大值區(qū)域有一定的互補(bǔ)性，圖8和10中所示，臨近時(shí)效一些大值區(qū)域基本上被前兩個(gè)模態(tài)所涵蓋。SVD方法能夠?qū)?fù)雜信號(hào)進(jìn)行分解，分解信號(hào)清晰可辨、連續(xù)性強(qiáng)，并能夠較為明確地分析出其對(duì)降水造成的影響。就氣旋影響的淮北地區(qū)強(qiáng)降水過(guò)程而言，提前12—24 h上游湖北-河南-安徽北部一帶是影響降水強(qiáng)度和區(qū)域的地面氣壓敏感區(qū)。

4 結(jié)論與討論

利用ECMWF的集合預(yù)報(bào)資料，采取連續(xù)SVD方法作為敏感性分析的工具，對(duì)同受江淮氣旋影響的江蘇省沿江蘇南和淮北地區(qū)兩次暴雨過(guò)程海平面氣壓場(chǎng)敏感區(qū)進(jìn)行診斷分析，對(duì)比探討發(fā)現(xiàn)：

1）敏感信號(hào)最早可提前2 d左右被鎖定，它存在著明顯的東傳特征也有位相之間的轉(zhuǎn)換;隨著時(shí)間的推進(jìn)，降水與氣壓的相關(guān)關(guān)系趨于緊密，敏感區(qū)的范圍擴(kuò)大，不僅如此，兩次過(guò)程的敏感區(qū)還有著顯著的差異。

2）沿江蘇南的過(guò)程，信號(hào)最早出現(xiàn)在江西北部和湖南的西北部，它們主要沿著長(zhǎng)江一線向下游傳播;正負(fù)信號(hào)的轉(zhuǎn)換對(duì)應(yīng)有雨帶位置向南的調(diào)整，而一致的負(fù)信號(hào)可引起降水整體偏多，反之亦然。

3）淮北暴雨的不確定信號(hào)始于江蘇中東部沿海，它的正擾動(dòng)和湖北北部的負(fù)擾動(dòng)都可使異常雨帶呈東北-西南向正-負(fù)形式的分布，而以鄂西為中心的正擾動(dòng)則可使得區(qū)域降水整體偏弱，反之也都亦然;但這些信號(hào)主要沿著鄂-豫-皖-蘇一線傳播。

4）兩次過(guò)程前兩模態(tài)的敏感區(qū)在覆蓋離散度的大值區(qū)域上有一定的互補(bǔ)性，也都大致涵蓋了臨近時(shí)效的大值區(qū)域。

5）SVD方法能夠?qū)?fù)雜信號(hào)進(jìn)行分解，分解信號(hào)清晰可辨、連續(xù)性強(qiáng)，并能夠較為明確地分析出海平面氣壓對(duì)降水造成的影響。研究中給出的該方法中空間型的一系列變化也可選擇運(yùn)用在一些其他極端天氣背景之下相關(guān)要素敏感區(qū)的分析當(dāng)中，當(dāng)然，也可以在一些常規(guī)的分解中運(yùn)用。但該方法對(duì)區(qū)域選取的依賴性強(qiáng)，也并非對(duì)所有要素都能夠有較好的應(yīng)用效果。

本文重點(diǎn)討論江蘇不同區(qū)域暴雨發(fā)生的敏感區(qū)，分析相對(duì)比較初步，且主要選擇了不同個(gè)例進(jìn)行分析，沒(méi)有對(duì)同一區(qū)類似個(gè)例進(jìn)行大量統(tǒng)計(jì)分析，這方面工作需后期進(jìn)一步深入開(kāi)展。同時(shí)對(duì)于敏感區(qū)判斷需要利用更多的觀測(cè)資料配合數(shù)值預(yù)報(bào)的結(jié)果進(jìn)行驗(yàn)證并結(jié)合其他要素進(jìn)行綜合分析;限于篇幅，對(duì)敏感信號(hào)及其演變過(guò)程與降水的開(kāi)始、增強(qiáng)及減弱過(guò)程聯(lián)系沒(méi)有進(jìn)行進(jìn)一步的研究。關(guān)于變化機(jī)制的問(wèn)題還有待結(jié)合模式做更深入的研究。

致謝：衷心感謝中國(guó)氣象科學(xué)研究院魏鳳英老師對(duì)本文給予的幫助和指導(dǎo)，同時(shí)對(duì)貴刊審稿人提出的建設(shè)性意見(jiàn)表示由衷的謝意。

參考文獻(xiàn)（References）

畢寶貴，代刊，王毅，等，2016.定量降水預(yù)報(bào)技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，27（5）：534-549. Bi B G，Dai K，Wang Y，et al.，2016.Advances in techniques of quantitative precipitation forecast[J].J Appl Meteor Sci，27（5）：534-549.（in Chinese）.

畢瀟瀟，智協(xié)飛，林春澤，2015.基于TIGGE資料的集合成員優(yōu)選方法[J].大氣科學(xué)學(xué)報(bào)，38（3）：414-420. Bi X X，Zhi X F，Lin C Z，2015.A ranking method for selecting good and bad ensemble forecast members based on TIGGE dataset[J].Trans Atmos Sci，38（3）：414-420.（in Chinese）.

曹萍萍，陳朝平，徐棟夫，等，2017.基于集合預(yù)報(bào)的四川夏季強(qiáng)降水訂正試驗(yàn)[J].熱帶氣象學(xué)報(bào)，33（1）：111-118. Cao P P，Chen C P，Xu D F，et al.，2017.Calibration of the ensemble-based forecast of summer heavy rainfall in Sichuan[J].J Trop Meteor，33（1）：111-118.（in Chinese）.

Chang E K M，Zheng M H，Raeder K，2013.Medium-range ensemble sensitivity analysis of two extreme Pacific extratropical cyclones[J].Mon Wea Rev，141（1）：211-231.

陳浩，陳靜，汪矯陽(yáng)，等，2017.觀測(cè)誤差對(duì)GRAPES區(qū)域集合預(yù)報(bào)影響的敏感性試驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，40（2）：193-201. Chen H，Chen J，Wang J Y，et al.，2017.Sensitivity tests of the influence of observation mean square error on GRAPES regional ensemble prediction[J].Trans Atmos Sci，40（2）：193-201.（in Chinese）.

陳筱秋，王詠青，2016.基于NCEP資料的一次東移引發(fā)暴雨的江淮氣旋結(jié)構(gòu)特征分析[J].暴雨災(zāi)害，35（1）：53-60. Chen X Q，Wang Y Q，2016.Structure and mechanism analysis of a Jiang-Huai cyclone with an eastern path and heavyrain based on NCEP data[J].Torrential Rain Disasters，35（1）：53-60.（in Chinese）.

鄧國(guó)，龔建東，鄧蓮堂，等，2010.國(guó)家級(jí)區(qū)域集合預(yù)報(bào)系統(tǒng)研發(fā)和性能檢驗(yàn)[J].應(yīng)用氣象學(xué)報(bào)，21（5）：513-523. Deng G，Gong J D，Deng L T，et al.，2010.Development of mesoscale ensemble prediction system at national meteorological center[J].J Appl Meteor Sci，21（5）：513-523.（in Chinese）.

丁裕國(guó)，江志紅，1996.SVD方法在氣象場(chǎng)診斷分析中的普適性[J].氣象學(xué)報(bào)，54（3）：365-372. Ding Y G，Jiang Z H，1996.Generality of singular value decomposition in diagnostic analysis of meteorological field[J].Acta Meteorol Sin，54（3）：365-372.（in Chinese）.

杜鈞，陳靜，2010.單一值預(yù)報(bào)向概率預(yù)報(bào)轉(zhuǎn)變的基礎(chǔ)：談?wù)劶项A(yù)報(bào)及其帶來(lái)的變革[J].氣象，36（11）：1-11. Du J，Chen J，2010.The corner stone in facilitating the transition from deterministic to probabilistic forecasts-ensemble forecasting and its impact on numerical weather prediction[J].Meteor Mon，36（11）：1-11.（in Chinese）.

杜鈞，李俊，2014.集合預(yù)報(bào)方法在暴雨研究和預(yù)報(bào)中的應(yīng)用[J].氣象科技進(jìn)展，4（5）：6-20. Du J，Li J，2014.Application of ensemble methodology to heavy-rain research and prediction[J].Adv Meteorol Sci Technol，4（5）：6-20.（in Chinese）.

Gombos D，Hoffman R N，Hansen J A，2012.Ensemble statistics for diagnosing dynamics：tropical cyclone track forecast sensitivities revealed by ensemble regression[J].Mon Wea Rev，140（8）：2647-2669.

Hawblitzel D P，Zhang F Q，Meng Z Y，et al.，2007.Probabilistic evaluation of the dynamics and predictability of the mesoscale convective vortex of 10—13 June 2003[J].Mon Wea Rev，135（4）：1544-1563.

皇甫雪官，2002.國(guó)家氣象中心集合數(shù)值預(yù)報(bào)檢驗(yàn)評(píng)價(jià)[J].應(yīng)用氣象學(xué)報(bào)，13（1）：29-36. Huangpu X G，2002.The verification for ensemble prediction system of national meteorological center[J].J Appl Meteor Sci，13（1）：29-36.（in Chinese）.

黃士松，林元弼，韋統(tǒng)健，1976.江淮氣旋發(fā)生發(fā)展和暴雨過(guò)程及有關(guān)預(yù)報(bào)問(wèn)題的研究[J].大氣科學(xué)，（1）：27-41. Huang S S，Lin Y B，Wei T J，1976.Studies of the Changjiang-Huaihe cyclogenesis and its development and the rainstorm process and the related forecast questions[J].Chin J Atmos Sci，（1）：27-41.（in Chinese）.

李俊，杜鈞，王明歡，等，2009.中尺度暴雨集合預(yù)報(bào)系統(tǒng)研發(fā)中的初值擾動(dòng)試驗(yàn)[J].高原氣象，28（6）：1365-1375. Li J，Du J，Wang M H，et al.，2009.Experiments of perturbing initial conditions in the development of mesoscale ensemble prediction system for heavy rainstorm forecasting[J].Plateau Meteor，28（6）：1365-1375.（in Chinese）.

李麗平，馬晨譽(yù)，倪語(yǔ)蔓，等，2018.中國(guó)冬夏季氣溫和降水異常耦合關(guān)系的SVD與MEOF分析對(duì)比[J].大氣科學(xué)學(xué)報(bào)，41（5）：647-656. Li L P，Ma C Y，Ni Y M，et al.，2018.Comparison of SVD and MEOF analysis on anomalous coupling relationship between temperature and precipitation in winter and summer in China[J].Trans Atmos Sci，41（5）：647-656.（in Chinese）.

李玉煥，張朝林，仲躋芹，等，2013.北京地區(qū)暴雨個(gè)例的觀測(cè)敏感區(qū)研究[J].氣候與環(huán)境研究，18（5）：651-661. Li Y H，Zhang C L，Zhong J Q，et al.，2013.Case study of observations and sensitive region of heavy rainfall in Beijing area[J].Clim Environ Res，18（5）：651-661.（in Chinese）.

馬旭林，計(jì)燕霞，周勃旸，等，2018.GRAPES區(qū)域集合預(yù)報(bào)尺度混合初始擾動(dòng)構(gòu)造的新方案[J].大氣科學(xué)學(xué)報(bào)，41（2）：248-257. Ma X L，Ji Y X，Zhou B Y，et al.，2018.A new scheme of blending initial perturbation of the GRAPES regional ensemble prediction system[J].Trans Atmos Sci，41（2）：248-257.（in Chinese）.

毛文書，王謙謙，景艷，等，2007.江淮梅雨與冬季西太平洋海溫的SVD分析[J].氣象，33（8）：83-89. Mao W S，Wang Q Q，Jing Y，et al.，2007.SVD analysis of precipitation in the Changjiang-Huaihe river valley and the sea surface temperature of the western Pacific Ocean in winter[J].Meteor Mon，33（8）：83-89.（in Chinese）.

苗青，鞏遠(yuǎn)發(fā)，白自斌，2016.2011/2012年冬季寒潮低頻特征及其與500hPa低頻系統(tǒng)的耦合關(guān)系[J].大氣科學(xué)學(xué)報(bào)，39（5）：608-619. Miao Q，Gong Y F，Bai Z B，2016.Characteristics of low-frequency oscillations during cold waves in winter 2011/2012 and its coupling with the low-frequency system at 500 hPa[J].Trans Atmos Sci，39（5）：608-619.（in Chinese）.

閔錦忠，房麗娟，2017.基于增長(zhǎng)模繁殖法的暴雨集合預(yù)報(bào)[J].大氣科學(xué)學(xué)報(bào)，40（1）：1-12. Min J Z，F(xiàn)ang L J，2017.Storm ensemble forecast based on the BGM method[J].Trans Atmos Sci，40（1）：1-12.（in Chinese）.

錢維宏，蔣寧，杜鈞，2016.中國(guó)東部7類暴雨異常環(huán)流型[J].氣象，42（6）：674-685. Qian W H，Jiang N，Du J，2016.Seven anomalous synoptic patterns of regional heavy rain in Eastern China[J].Meteor Mon，42（6）：674-685.（in Chinese）.

施能，2002.氣象科研與預(yù)報(bào)中的多元分析方法[M].北京：氣象出版社：129-135. Shi N，2002.Multiplex analysis method in meteorological research and prediction[M].Beijing：China Meteorological Press：129-135.（in Chinese）.

陶麗，柯元惠，趙久偉，2017.東亞夏季PJ遙相關(guān)型的年際及年代際變化機(jī)理[J].大氣科學(xué)學(xué)報(bào)，40（5）：619-630. Tao L，Ke Y H，Zhao J W，2017.The interannual and interdecadal variation mechanism of the summer PJ teleconnection pattern in East Asia[J].Trans Atmos Sci，40（5）：619-630.（in Chinese）.

Torn R D，Hakim G J，2008.Ensemble-based sensitivity analysis[J].Mon Wea Rev，136（2）：663-677.

魏鳳英，2007.現(xiàn)代氣候統(tǒng)計(jì)診斷與預(yù)測(cè)技術(shù)[M].北京：氣象出版社，165-166. Wei F Y，2007.Modern climate statistical diagnosis and prediction technology[M].Beijing：China Meteorological Press，165-166.（in Chinese）.

翁莉，馬林，徐雙鳳，2015.城市暴雨災(zāi)害風(fēng)險(xiǎn)評(píng)估及防御對(duì)策研究：以江蘇省南京市為例[J].災(zāi)害學(xué)，30（1）：130-134. Weng L，Ma L，Xu S F，2015.The urban rainstorm disaster risk assessment and defensive measures：a case study of Nanjing of Jiangsu Province[J].J Catastrophology，30（1）：130-134.（in Chinese）.

吳洪寶，吳蕾，2005.氣候變率診斷和預(yù)測(cè)方法[M].北京：氣象出版社：114-143. Wu H B，Wu L，2005.Diagnosis and prediction method of climate variability[M].Beijing：China Meteorological Press：114-143.（in Chinese）.

于連慶，李月安，高嵩，等，2015.集合預(yù)報(bào)產(chǎn)品綜合分析顯示平臺(tái)關(guān)鍵技術(shù)與實(shí)現(xiàn)[J].應(yīng)用氣象學(xué)報(bào)，26（3）：369-377. Yu L Q，Li Y A，Gao S，et al.，2015.Research and implementation of ensemble forecast product analysis and display platform[J].J Appl Meteor Sci，26（3）：369-377.（in Chinese）.

張曉紅，羅靜，陳興，等，2016.一次春季江淮氣旋形成發(fā)展特征及暴雨診斷分析[J].氣象，42（6）：716-723. Zhang X H，Luo J，Chen X，et al.，2016.Formation and development mechanism of one cyclone over Changjiang-Huaihe River Basin and diagnostic analysis of rainstorm[J].Meteor Mon，42（6）：716-723.（in Chinese）.

趙曉琳，朱國(guó)富，李澤椿，2010.基于TIGGE資料識(shí)別適應(yīng)性觀測(cè)敏感區(qū)的應(yīng)用研究[J].應(yīng)用氣象學(xué)報(bào)，21（4）：405-415. Zhao X L，Zhu G F，Li Z C，2010.Applied research on adaptive observation for identifying sensitive regions based upon TIGGE data[J].J Appl Meteor Sci，21（4）：405-415.（in Chinese）.

趙永晶，錢永甫，2009.全球海溫異常對(duì)中國(guó)降水異常的影響[J].熱帶氣象學(xué)報(bào)，25（5）：561-570. Zhao Y J，Qian Y F，2009.Analyses of the impacts of global ssta on precipitation anomaly in China[J].J Trop Meteor，25（5）：561-570.（in Chinese）.

Zheng M H，Chang E K M，Colle B A，2013.Ensemble sensitivity tools for assessing extratropical cyclone intensity and track predictability[J].Wea Forecasting，28（5）：1133-1156.

智協(xié)飛，陳雯，2010.THORPEX國(guó)際科學(xué)研究新進(jìn)展[J].大氣科學(xué)學(xué)報(bào)，33（4）：504-511. Zhi X F，Chen W，2010.New achievements of international atmospheric research in THORPEX program[J].Trans Atmos Sci，33（4）：504-511.（in Chinese）.

智協(xié)飛，彭婷，李剛，等，2014.多模式集成的概率天氣預(yù)報(bào)和氣候預(yù)測(cè)研究進(jìn)展[J].大氣科學(xué)學(xué)報(bào)，37（2）：248-256. Zhi X F，Peng T，Li G，et al.，2014.Advances in multimodel ensemble probabilistic prediction[J].Trans Atmos Sci，37（2）：248-256.（in Chinese）.

朱乾根，林錦瑞，壽紹文，等，2007.天氣學(xué)原理和方法[M].第四版.北京：氣象出版社：123. Zhu Q G，Lin J R，Shou S W，et al.，2007.Theories and Techniques of Synoptic Meteorology[M].4th ed.Beijing：China Meteorological Press：123.（in Chinese）.

朱宵峰，錢永甫，寧亮，等，2008.長(zhǎng)江下游地區(qū)汛期暴雨氣候特征分析[J].熱帶氣象學(xué)報(bào)，24（2）：136-146. Zhu X F，Qian Y F，Ning L，et al.，2008.An analysis on the climatic features of the rainfall of rain storms in the rain season in the lower reaches of Yangtze River[J].J Trop Meteor，24（2）：136-146.（in Chinese）.

Applications of SVD in identifying signals of sensitive areas in two processes of Jiangsu Cyclonic Rainstorms

YANG Mengxi1，LIU Mei2，YU Jianwei2，HU Ruijin3，CHEN Shengjie2

1Taizhou Meteorological Observatory，Taizhou 225300，China;

2Jiangsu Meteorological Observatory，Nanjing 210008，China;

3Physical Oceanography Laboratory，The Key Laboratory of Ocean Atmospheric Interaction and Climate in Universities of Shandong，Ocean University of China，Qingdao 266100，China

In this study，using the ensemble forecast data of ECMWF and moving SVD methods，the sensitive areas of sea level pressure in the processes of two cyclonic rainstorm cases in Jiangsu Province are identified and compared.One case occurred along the Yangtze River and southern areas of Jiangsu，and the other in Huaibei District of Jiangsu.The main results are as follows：1）The sensitive signals can be locked two days prior，and propagate eastward with phase transition occurring.2）The signals first appeared in northern Jiangxi and northwestern Hunan Provinces.In the case of rainstorms along the Yangtze River and southern areas of Jiangsu，the signals then generally spread downstream along the Yangtze River.The phase transition from positive to negative signal corresponds to the southward adjustment of the rain belt，while the consistent negative signals cause an increase in precipitation as a whole，and vice versa.3）In the case of rainstorms occurring in Huaibei，the uncertainty of the forecast results originates from the east central coast of Jiangsu，namely both its positive and negative perturbation in northern Hubei may have led to the anomalous rain belt exhibiting a northeast-southwestward distribution with positive-negative signals.At the same time，the positive perturbation in western Hubei may have caused a decrease in precipitation throughout region，and vice versa.However，all of these signals were distributed along the trajectory of Hubei-Henan-Anhui-Jiangsu.4）The sensitive areas of the first two modes in each rainstorm are relatively complementary in terms of covering the high value region of the ensemble dispersion.

ensemble sensitivity;SVD;rainstorm;sea level pressure

doi：10.13878/j.cnki.dqkxxb.20181116001

（責(zé)任編輯：袁東敏）